ads:
UNIVERSIDADE FEDERAL DE MATO GROSSO DO SUL
UNIVERSIDADE FEDERAL DE GOIAS
UNIVERSIDADE DE BRASÍLIA
ESTUDO NÃO-PARAMÉTRICO DA EFICIÊNCIA DA AGRICULTURA
DO ESTADO DO PARANÁ
GUSTAVO ROBERTO CORRÊA DA COSTA SOBRINHO
ORIENTADOR: PROF. JOÃO BATISTA SOARES
DISSERTAÇÃO DE MESTRADO EM AGRONEGÓCIOS
PUBLICAÇÃO: 21/2006
BRASÍLIA - DF
MARÇO/2006
ads:
Livros Grátis
http://www.livrosgratis.com.br
Milhares de livros grátis para download.
ii
REFERÊNCIA BIBLIOGRÁFICA E CATALOGAÇÃO
COSTA SOBRINHO, G.R.C. Estudo não-paramétrico da eficiência da agricultura do
Estado do Paraná. Brasília: Faculdade de Agronomia e Medicina Veterinária,
Universidade de Brasília, 2006. 145 p. Dissertação de Mestrado.
Documento formal, autorizando reprodução desta dissertação de
mestrado para empréstimo ou comercialização, exclusivamente para
fins acadêmicos, foi passado pelo autor à Universidade Federal de
Mato Grosso do Sul, Universidade de Brasília e Universidade Federal
de Goiás e acha-se arquivado na Secretaria do Programa. O autor
reserva para si os outros direitos autorais, de publicação. Nenhuma
parte desta dissertação de mestrado pode ser reproduzida sem a
autorização por escrito do autor. Citações são estimuladas, desde que
citada a fonte.
FICHA CATALOGRÁFICA
Costa Sobrinho, Gustavo Roberto Corrêa da
Estudo não-paramétrico da eficiência da agricultura do Estado do Paraná /
Paraná/
Gustavo Roberto Corrêa da Costa Sobrinho; orientador: João Batista Soares.
.oares
Brasília: 2006.
Xi, 145 p.
Dissertação (Mestrado) – Universidade de Brasília, 2006.
1. Eficiência. 2. Desperdício. 3. Paraná. 4. Análise Envoltória de Dados. 5.
DEA.
CDU 338:63
ads:
iii
UNIVERSIDADE FEDERAL DE MATO GROSSO DO SUL
UNIVERSIDADE FEDERAL DE GOIAS
UNIVERSIDADE DE BRASÍLIA
ESTUDO NÃO-PARAMÉTRICO DA EFICIÊNCIA DA AGRICULTURA
DO ESTADO DO PARANÁ
GUSTAVO ROBERTO CORRÊA DA COSTA SOBRINHO
DISSERTAÇÃO DE MESTRADO SUBMETIDA AO PROGRAMA DE
PÓS-GRADUAÇÃO MULTIINSTITUCIONAL EM AGRONEGÓCIOS
(CONSÓRCIO ENTRE A UNIVERSIDADE FEDERAL DE MATO
GROSSO DO SUL, UNIVERSIDADE DE BRASÍLIA E A
UNIVERSIDADE FEDERAL DE GOIAS), COMO PARTE DOS
REQUISITOS NECESSÁRIOS À OBTENÇÃO DO GRAU DE
MESTRE EM AGONEGÓCIOS NA ÁREA DE CONCENTRAÇÃO DE
GESTÃO, COORDENAÇÃO E COMPETITIVIDADE DOS SISTEMAS
AGROINDUSTRIAIS.
APROVADA POR:
___________________________________________
JOÃO BATISTA SOARES, Doutor (Universidade de Brasília - UnB)
(ORIENTADOR)
___________________________________________
FLÁVIO BORGES BOTELHO FILHO, Doutor (Universidade de Brasília - UnB)
(EXAMINADOR INTERNO)
___________________________________________
AÉRCIO DOS SANTOS CUNHA, Doutor (Câmara dos Deputados)
(EXAMINADOR EXTERNO)
BRASÍLIA - DF, 13 de março de 2006.
iv
AGRADECIMENTOS
Este trabalho recebeu inúmeras contribuições. Professores e colegas de
mestrado e do trabalho ofereceram-me valiosas ponderações acerca do problema a
ser investigado, da metodologia empregada, dos resultados obtidos e da adequação
da redação.
O fornecimento pelo IPEA e pelo IBGE de dados censitários em meio eletrônico
conferiu maior rapidez e segurança à consecução do trabalho, evitando boa parte da
tarefa de digitar as informações constantes dos livros. Agradeço a estas instituições
no nome de Mérida Pimentel e de Antônio Florido e Luiz Fernando. Igualmente,
agradeço à Professora Marina Silva e a Claudia Chilante por permitirem o acesso a
dados de artigo das autoras que enriqueceram este trabalho. Ao Professor Borko
Stosic sou grato pela cópia de algorítimo relativo à técnica “Jackstrap”, de sua
autoria. Importante também foi o apoio recebido da equipe técnica da biblioteca
Pedro Aleixo, à qual me dirigi numerosas vezes para a recuperação de artigos
científicos, e do colega de trabalho Maurício Schneider, que elaborou os mapas
apresentados.
Gostaria de expressar meu especial reconhecimento pela atenção recebida do
meu orientador, Professor João Batista, e dos titulares e suplentes das bancas de
qualificação e de avaliação desta dissertação, Professores Aércio Cunha, Flávio
Botelho, Mauro Del Grossi e Charles Muller. A todos recorri para obter orientações,
tirar dúvidas e solicitar conselhos sobre o caminho a trilhar. Neles encontrei o melhor
que um aluno poderia esperar: competência, interesse, amizade e palavras de
incentivo.
v
Por fim, sou grato ao programa de mestrado da Unb pela busca dos meios que
facilitaram a realização deste trabalho e pelo apoio recebido na forma de atividades
extracurriculares. A todos, o meu muito obrigado.
À minha esposa Rosane,
companheira de todos os momentos,
e às minhas filhas Priscilla e Letícia.
vi
ESTUDO NÃO-PARAMÉTRICO DA EFICIÊNCIA DA AGRICULTURA
DO ESTADO DO PARANÁ
RESUMO
Este estudo mede a eficiência da agricultura do Paraná em 1970, 1980 e no ano-
agrícola 1995-96. Os municípios do Estado são as unidades de observação.
Estimou-se uma função de produção do Tipo “Cobb-Douglas” para cada ano. As
funções contribuíram para a definição das variáveis utilizadas no trabalho e
permitiram testar a hipótese de constância dos retornos de escala da agricultura
paranaense, uma etapa preliminar, indispensável ao passo seguinte, a “Análise
Envoltória de Dados (DEA)”. A DEA foi utilizada para o cálculo dos índices
municipais de eficiência. Dois foram os principais resultados do trabalho: (1) houve
aumento na média dos índices de eficiência, que passou de 0,453 em 1970, para
0,617 em 1980, e para 0,520 em 1995-96; e (2) o desvio-padrão dos índices de
eficiência passou de 0,195 em 1970, para 0,194 em 1980 e para 0,202 em 1995-
96. Se a agricultura de todos os municípios fosse 100% eficiente, o PIB agrícola do
Estado seria 122% superior em 1970, 64% em 1980 e 97% em 1995-96.
PALAVRAS-CHAVE: eficiência, desperdício, Paraná, Análise Envoltória de Dados,
DEA.
vii
A NON-PARAMETRIC STUDY OF THE PARANÁ STATE
AGRICULTURE EFFICIENCY
ABSTRACT
This research measures the agriculture efficiency of the Paraná State in 1970, 1980
and in the agricultural year of 1995-96. The municipalities of the State are the units of
observation. “Cobb-Douglas” production functions concerning each period were
estimated. The functions contributed to the definition of the variables used in the
study and allowed to test the hypothesis of constant returns to scale of the Parana’s
agriculture, a indispensable procedure to the nex stage, the “Data Envelopment
Analysis - DEA”. DEA was used to compute the efficiency measures. Two were the
most relevant results of the study: (1) the mean of the efficiency indexes increased
from 0,453 in 1970 to 0,617 in 1980, and to 0,520 in 1995-96; and (2) the standard-
deviation of the efficiency indexes turned from 0,195 in 1970, to 0,194 in 1980 and to
0,202 in 19995-96. If the agriculture of all municipalities were 100% efficient, the
agricultural GDP of Paraná State could be 122% higher in 1970, 64% in 1980 and
97% in 1995-96.
KEY WORDS: efficiency, wastefulness, Paraná, Data Envelopment Analysis, DEA.
viii
SUMÁRIO
INTRODUÇÃO......................................................................................................................... 1
1 APRESENTAÇÃO............................................................................................................ 1
2 O PROBLEMA ................................................................................................................. 2
Desenvolvimento e fontes de (in)eficiência (1970 – 1995)............................................... 6
Transformações da Estrutura Produtiva......................................................................... 12
3 HIPÓTESES................................................................................................................... 15
4 OBJETIVOS................................................................................................................... 15
MARCO TEÓRICO................................................................................................................ 16
1 ASPECTOS GERAIS..................................................................................................... 16
2 MEDIDAS DE EFICIÊNCIA DE FARREL ...................................................................... 18
Embasamento Teórico ................................................................................................... 18
Procedimento Empírico .................................................................................................. 21
A robustez das medidas de eficiência............................................................................ 24
A eficiência técnica e alocativa em uma indústria .......................................................... 25
3 ANÁLISE ENVOLTÓRIA DE DADOS............................................................................ 26
O modelo CCR (para retornos constantes à escala)...................................................... 26
O modelo BCC (para retornos variáveis à escala)......................................................... 36
Síntese e Limitações da Análise Envoltória de Dados................................................... 41
4 A TÉCNICA “JACKSTRAP” ........................................................................................... 43
5 APRIMORAMENTOS E APLICAÇÕES DO MODELO DEA.......................................... 44
6 MÉTODOS PARAMÉTRICOS DE ESTIMAÇÃO DE FRONTEIRAS E DE MEDIDAS DE
EFICIÊNCIA....................................................................................................................... 50
7 EFICIÊNCIA-X ............................................................................................................... 53
METODOLOGIA E VARIÁVEIS............................................................................................. 56
RESULTADOS E DISCUSSÃO............................................................................................. 66
1 FUNÇÕES DE PRODUÇÃO.......................................................................................... 66
2 MEDIDAS DE EFICIÊNCIA-X........................................................................................ 69
3 (IN)EFICIÊNCIA ENTRE MUNICÍPIOS ......................................................................... 75
4 DESPERDÍCIO E PRODUTIVIDADE DOS FATORES.................................................. 81
CONCLUSÃO........................................................................................................................ 84
REFERÊNCIAS BIBLIOGRÁFICAS ...................................................................................... 88
APÊNDICE A – DISTRIBUIÇÃO FUNCIONAL DA RENDA ............................................... 95
APÊNDICE B – PIB AGRÍCOLA MUNICIPAL .................................................................... 97
APÊNDICE C - RESULTADOS DEA................................................................................... 116
APÊNDICE D - OUTROS MAPAS........................................................................................136
APÊNDICE E – REGIONALIZAÇÃO DOS MUNICÍPIOS.................................................... 142
ix
LISTA DE TABELAS
Tabela 1.1 – Produção e área das principais culturas............................................
12
Tabela 1.2 – Área dos estabelecimentos rurais segundo faixas de tamanho ....... 13
Tabela 1.3 - Participação dos estabelecimentos rurais com área inferior a 50 ha
na produção de algumas culturas.......................................................
13
Tabela 1.4 – Aumentos de produtividade segundo faixas de tamanho dos
estabelecimentos rurais......................................................................
13
Tabela 1.5 – Transformações estruturais da agricultura paranaense.....................
14
Tabela 3.1 – Estatísticas descritivas: variável PIB agrícola....................................
58
Tabela 3.2 – Confronto das estimativas de PIB agrícola........................................
59
Tabela 3.3 – Estatísticas descritivas: variável terra................................................
59
Tabela 3.4 – Estatísticas descritivas: variável trabalho...........................................
61
Tabela 3.5 – Estatísticas descritivas: variáveis energia e investimentos................
62
Tabela 4.1 – Funções de produção estimadas (Cobb-Douglas).............................
66
Tabela 4.2 – Síntese das medidasde eficiência-X..................................................
70
Tabela 4.3 – PIB agrícola, segundo faixas de eficiência.........................................
73
Tabela 4.4 – Relação entre ineficiência e produtividade da terra...........................
81
Tabela 4.5 – Relação entre ineficiência e produtividade do trabalho......................
82
Tabela A.1
– Distribuição funcional da renda.....................................................................
95
Tabela A.2
– Participação no PIB agrícola dos grupos de área total................................
95
Tabela B.1
– Ranking do PIB agrícola municipal – 1970...................................................
97
Tabela B.2
– Ranking do PIB agrícola municipal – 1980...................................................
103
Tabela B.3
– Ranking do PIB agrícola municipal – ano-agrícola 1995-96.........................
109
Tabela C.1 – Resultados DEA de 1970, em ordem alfabética................................
116
Tabela C.2 – Resultados DEA de 1980, em ordem alfabética................................
122
Tabela C.3 – Resultados DEA do ano agrícola 1995-96, em ordem alfabética......
129
x
LISTA DE FIGURAS
Figura 2.1 - Modelo Teórico Insumo-Orientado..................................................................
19
Figura 2.2 - Modelo Teórico Produto-Orientado..................................................................
21
Figura 2.3 - Modelo Empírico..............................................................................................
22
Figura 2.4 –a Retornos Decrescentes à Escala..................................................................
23
Figura 2.4 –b Retornos Crescentes à Escala......................................................................
23
Figura 2.5 - Retornos constantes à escala..........................................................................
33
Figura 2.6 - Modelo empírico e os slacks............................................................................
34
Figura 2.7 - Ajustamento das fronteiras CCR e BCC..........................................................
39
Figura 2.8 - Fronteira de Retornos não Crescentes............................................................
40
Figura 4.1 - Distribuição de freqüência das estimativas de eficiência da agricultura do Paraná para
1970................................................................................................................................................
71
Figura 4.2 - Distribuição de freqüência das estimativas de eficiência da agricultura do Paraná para
1980................................................................................................................................................
72
Figura 4.3 - Distribuição de freqüência das estimativas de eficiência da agricultura do Paraná para
1995-96..........................................................................................................................................
72
Figura 4.4 – Distribuição da agricultura municipal, segundo 3 faixas de eficiência: 1970..
78
Figura 4.5 – Distribuição da agricultura municipal, segundo 3 faixas de eficiência: 1980..
79
Figura 4.6 – Distribuição da agricultura municipal, segundo 3 faixas de eficiência:
1995/96..........................................................................................................
80
Figura 4.7 – a Forma Funcional de 1970 (Ineficiência x Produtividade da Terra)..............
82
Figura 4.7 – b Forma Funcional de 1980 (Ineficiência x Produtividade da Terra)..............
82
Figura 4.7 – c Forma Funcional de 1995-96 (Ineficiência x Produtividade da Terra).........
82
Figura 4.8 – a Forma Funcional de 1970 (Ineficiência x Produtividade do Trabalho).........
83
Figura 4.8 – b Forma Funcional de 1980 (Ineficiência x Produtividade do Trabalho).........
83
Figura 4.8 – c Forma Funcional de 1995-96 (Ineficiência x Produtividade do Trabalho)....
83
Figura D.1 – Distribuição da agricultura municipal, segundo 4 faixas de eficiência: 1970. 136
Figura D.2 – Distribuição da agricultura municipal, segundo 5 faixas de eficiência: 1970. 137
138
xi
Figura D.3 – Distribuição da agricultura municipal, segundo 4 faixas de eficiência: 1980.
Figura D.4 – Distribuição da agricultura municipal, segundo 5 faixas de eficiência: 1980. 139
Figura D.5 – Distribuição da agricultura municipal, segundo 4 faixas de eficiência: 1995-
96...................................................................................................................
140
Figura D.6 – Distribuição da agricultura municipal, segundo 5 faixas de eficiência: 1995-
96...................................................................................................................
141
CAPÍTULO 1
INTRODUÇÃO
1 APRESENTAÇÃO
Esta dissertação investiga a evolução da eficiência da agricultura do Paraná.
Os municípios do estado são as unidades de observação. São utilizados dados dos
Censos Agropecuários de 1970, 1980 e do ano-agrícola 1995 – 96. Utiliza-se a
técnica “Análise Envoltória de Dados” para a estimação das medidas de eficiência
das observações.
A escolha do Paraná deve-se à relevância de sua agricultura e à relativa
uniformidade de seu padrão tecnológico quando comparada com a grande
heterogeneidade verificada na agricultura nacional. Certamente o Paraná não é um
bom representante da agricultura brasileira, mas é um dos que melhor serve aos
objetivos desta dissertação. Como o que se procura é avaliar a eficiência relativa, a
maior uniformidade pode reduzir os “ruídos” dos dados (variações aleatórias difíceis
de explicar).
O trabalho divide-se em cinco capítulos. O capítulo introdutório discute o
problema a ser investigado e a sua relevância. O segundo capítulo dedica-se ao
referencial teórico sobre medidas de eficiência, formas alternativas de sua estimação
2
e o conceito de eficiência-X, de Leibstein (1966). O terceiro apresenta a metodologia
utilizada. O quarto analisa os resultados. O quinto capítulo apresenta as conclusões
do trabalho e implicações para pesquisas futuras.
2 O PROBLEMA
A escassez de recursos e a “racionalidade” dos tomadores de decisão (os
agentes econômicos) são dois pilares da Economia. Por serem escassos, os
recursos precisam ser bem utilizados. A eficiência no uso de recursos é uma
decorrência da escassez. O agente econômico “racional” faz o possível para utilizar
com eficiência os limitados recursos com que pode contar. Acima de tudo ele evita o
desperdício e, assim fazendo, minimiza custos e maximiza resultados. O desperdício
é uma anomalia, incompatível com a estrutura teórica da Economia. Por isso,
merece ser estudado.
Paradoxalmente, a ineficiência no uso de recursos, de tão generalizada, mais
parece a regra do que a exceção. É que o uso eficiente dos recursos, apesar do
afinco com que “agentes racionais” o perseguem, permanece um objetivo distante,
do qual só se consegue aproximar em circunstâncias especiais, mais freqüentes nas
sociedades mais desenvolvidas do que em comunidades pobres. Nestas, onde por
definição é mais aguda a escassez, a eficiência é um objetivo distante. Essa
dificuldade em atingir a eficiência é uma faceta esquecida do drama da pobreza. Só
mediante o desenvolvimento econômico é que se fazem presentes as condições
necessárias (mas não suficientes) para a eficiência no uso de recursos. Porém, a
falta de eficiência destrói os próprios recursos imprescindíveis à superação da
pobreza.
3
Não é objetivo do presente trabalho explicar as razões da ineficiência no uso
de recursos, ou seja do desperdício, na agricultura. O trabalho pressupõe que a
ineficiência existe e apenas tenta quantificá-la no caso particular da agricultura
paranaense.
A medida de (in)eficiência adotada pelo trabalho é intuitiva: reflete a diferença
entre o produto agrícola potencial e o produto agrícola observado em determinados
anos. Os dados são o Produto Interno Bruto da agricultura nos municípios. Estima-
se o PIB agrícola potencial, para dados tecnologia e recursos, e compara-se este
valor com aquele observado, para a mesma tecnologia e recursos. A relação entre o
PIB agrícola potencial e o observado é a medida (ou índice) de eficiência procurada.
Ainda que, como foi dito, uma discussão aprofundada das causas da
ineficiência escapa do escopo do trabalho, não se pode fugir à indagação do porquê
das diferenças de eficiência que se presumem existir entre municípios. Até para
criticar os resultados do estudo é preciso ter-se idéia dos fatores que diferenciam os
municípios em termos da eficiência na produção agrícola. Em outras palavras, tem-
se de procurar entender o quê, precisamente, se está medindo.
A ineficiência pode ter origem em problemas técnicos, alocativos e não-
alocativos. Algumas das dificuldades em se alcançar o padrão máximo de eficiência
são específicos da unidade produtiva, têm a ver com as limitações em que o
tomador de decisões opera; outras são “externas” a ele, como características
regionais, estrutura de mercado, ou condições macroeconômicas.
Veja-se, em primeiro lugar, aquelas internas à unidade produtiva.
O tamanho da propriedade condiciona a escala de produção. Esta, quando
pequena, impõe condições desfavoráveis aos produtores na aquisição de recursos,
4
na comercialização, assim como ociosidade no uso de máquinas e implementos, em
boa parte mais adequados para o cultivo de grandes áreas.
A capacidade de incorrer risco e a taxa de desconto dos agricultores
influenciam o tipo de tecnologia adotado e, por conseqüência, o desempenho da
atividade agrícola. Agricultores que apresentam níveis mais elevados de aversão ao
risco e que valorizam a renda presente em detrimento da futura tendem a apresentar
menor taxa de investimentos e, por isso, a conviver com maiores desperdícios no
uso de recursos. Produtores menos avessos ao risco e com menor taxa de desconto
são mais propensos a assimilar técnicas modernas e a apresentar maior
produtividade dos fatores.
A baixa escolaridade é um obstáculo ao uso adequado da tecnologia.
Agricultores pouco instruídos têm limitações na gestão de suas atividades e
dificuldades de compreender e de seguir as orientações técnicas que acompanham
os insumos modernos. A crescente complexidade da tecnologia agrícola faz com
que o preparo das pessoas que nela atuam torne-se condição para a eficiência da
atividade. De modo semelhante, a eficiência depende da qualidade da força de
trabalho. Trabalhadores sem instrução ou com pouca habilidade para as tarefas do
campo desperdiçam recursos e reduzem a produtividade dos demais fatores.
As relações de trabalho interferem na eficiência com que os recursos são
usados. Na agricultura “empresarial”, trabalhadores são incorporados aos sistemas
produtivos até o ponto em que apresentam produtividade marginal superior ao seu
custo marginal. Já na agricultura familiar, o trabalho (oriundo da estrutura familiar) é
usado até o ponto em que a sua produtividade marginal se iguala a zero.
Explorações conduzidas sob a forma de parcerias caracterizam-se pelo baixo padrão
tecnológico e, consequentemente, pela baixa produtividade dos fatores. Em
5
comparação com trabalhadores permanentes, trabalhadores temporários respondem
à eventualidade de sua necessidade com pouco comprometimento no que se refere
ao desempenho das atividades.
Crédito rural escasso dificulta a absorção tecnológica e o aumento da
produtividade dos fatores. De forma semelhante, assistência técnica insuficiente
reduz a disseminação do uso correto da tecnologia e o acesso às informações
relevantes para o processo alocativo.
A adaptação das atividades agrícolas às condições de mercado não tem como
único parâmetro os preços relativos. Os ajustamentos a tais condições condicionam-
se por aspectos como a área disponível para plantio, o tipo de solo, de clima e de
relevo, o parque de máquinas, a especificidade dos ativos e a necessidade técnica
de procedimentos específicos, como a rotação de culturas. Produtores que exploram
lavouras temporárias têm oportunidades periódicas de ajustes ao sistema de preços.
De outro lado, os que se dedicam a lavouras permanentes vêm-se mais vulneráveis
às variações de preços.
Entre as dificuldades externas aos sistemas produtivos, encontram-se o mau
funcionamento do sistema de preços e os mercados imperfeitos. Preços que não
expressam a escassez relativa de produtos e de fatores (em razão, por exemplo, de
processo inflacionário ou de intervenções governamentais) ofuscam os parâmetros
necessários para definições a respeito da cesta ideal de bens a ser produzida e da
combinação mais adequada de recursos. Mercados imperfeitos de produtos e de
fatores reduzem o dinamismo e as possibilidades de produção. Esse é o caso da
inexistência de mercado de aluguéis de máquinas e de equipamentos, que acaba
por impor aos agricultores, especialmente os de pequeno porte, os custos
associados à indivisibilidade dos fatores.
6
A (in)eficiência é fortemente influenciada por externalidades. Regiões
produtivas que contam com agricultura dinâmica beneficiam-se do menor custo de
produção, propiciado pelo comércio desenvolvido e voltado para as necessidades da
atividade agrícola. Ao contrário, unidades produtivas inseridas em mercados restritos
ou em localidades em que não há um ambiente econômico direcionado para a
agricultura experimentam maiores barreiras e custos na condução das atividades.
A precariedade da infra-estrutura de armazenagem, de transporte e de
comunicações encarece insumos, reduz os preços dos produtos e eleva as perdas
na pós-colheita. Regiões produtivas distantes dos centros de maior dinamismo
econômico tendem a experimentar mercados de fatores e de produtos menos
desenvolvidos e um fluxo menor das informações relevantes para o processo de
alocação de recursos.
Durante o período desta investigação (1970 a 1995-96), muitos dos aspectos
antes tratados sofreram grandes modificações. Este é o foco de discussão das duas
subseções que se seguem.
Desenvolvimento e fontes de (in)eficiência (1970 – 1995)
Entre 1970 e 1995, a agricultura paranaense passou por mudanças no seu
ambiente socioeconômico, no institucional e na sua infra-estrutura produtiva. No
campo demográfico, por exemplo, enquanto a população do Estado passou de 7
milhões para 9 milhões de habitantes, a de residentes em áreas rurais reduziu-se em
cerca de 55%: de 4,5 milhões para 2,0 milhões (IBGE, 1998).
Em boa parte do período, questões macroeconômicas, como intervenções
governamentais no funcionamento dos mercados de produtos e de fatores,
sobrevalorização da moeda nacional; descontrole inflacionário, sucessivas crises e
7
planos econômicos e restrições às trocas com o Exterior perturbaram o sistema de
preços em seu papel de orientador da alocação de recursos. Entre os produtos
agrícolas mais afetados por distorções do mercado, figuram o leite e o açúcar, cujos
controles de preços caracterizaram-se pela contradição entre a necessidade de
incentivar a produção e a de assegurar produtos baratos à população (VILELA et al,
2001). Outros produtos como o feijão, o trigo e a carne também tiveram seus
mercados distorcidos pela intervenção governamental.
Paulatinamente, a economia do País evoluiu para uma maior integração com os
mercados externos, menor intervenção governamental, processo inflacionário menos
intenso e relativa estabilidade econômica (NÓBREGA, 1985; CUNHA et al, 1994).
Tais alterações permitiram, ao sistema de preços, refletir com mais propriedade a
escassez relativa de produtos e de fatores, fornecendo, aos agentes produtivos, a
senha necessária para a melhoria da qualidade de suas decisões acerca da cesta
de bens a ser produzida e da combinação dos fatores a serem empregados. Em
outras palavras, a estabilidade da economia foi crucial para o aumento da eficiência
na alocação dos recursos.
As políticas de crédito rural e de garantia de preços mínimos desempenharam,
em períodos diversos, papel relevante para a viabilidade da agricultura do Estado,
mas tiveram efeitos distorcidos do ponto de vista de preços e de eqüidade
distributiva. Na década de 1970, os financiamentos com recursos oficiais foram
concedidos de forma abundante, orientada e com encargos financeiros a taxas reais
negativas (compensando parte dos efeitos desfavoráveis da inflação sobre os
preços agrícolas). Manoel (1986) registra que, entre 1976 e 1980, ocorreram
grandes diferenças entre a taxa de inflação e as taxas médias nominais do crédito
8
rural. Em 1980, os financiamentos teriam registrado juros reais negativos da ordem
de 40%.
As condições artificiais dos financiamentos transferiram considerável volume
de renda para o setor rural, o que estimulou a abertura de áreas e induziu a
mudanças técnicas, como o acúmulo de capital produtivo e o uso de insumos
modernos.
Entretanto, os financiamentos concentraram-se nos estratos mais ricos de
produtores. Dados censitários indicam que, entre 1970 e 1995 – 96, os empréstimos
concedidos aos estabelecimentos rurais do Paraná com área inferior a 50 ha caíram
de 41% para 28% do total e que a participação deste mesmo grupo de propriedades
no consumo de adubos e de corretivos decresceu de 44% para 35%.
1
Como se vê,
nem todos participaram com a mesma intensidade do movimento em direção à
fronteira tecnológica.
Com a deterioração da capacidade governamental de direcionar recursos para
o setor agrícola, os agricultores viram-se forçados a buscar mecanismos alternativos
de financiamento, em geral com custos mais elevados e, portanto, limitados a menor
número de produtores. Diante das novas restrições, inúmeros deles ficaram à
margem do processo de modernização; outros sucumbiram às dificuldades e
migraram em direção a grandes centros urbanos ou a outras regiões agrícolas do
País.
Em meados da década de 1980, a Política de Garantia de Preços Mínimos –
PGPM transformou-se no principal instrumento governamental de apoio ao setor
agrícola. Conforme apontam Cunha et al (1994), os preços mínimos eram fixados de
forma unificada para o País, presumivelmente em patamares compatíveis com os
9
custos de produção e de transporte mais elevados das lavouras do Centro-Oeste.
Com isso, a agricultura paranaense auferiu maiores lucros.
No período em análise (1970 a 1995-96), os sistemas públicos de pesquisa e
de assistência técnica tiveram papel de destaque no aumento de eficiência da
agricultura.
2
O conhecimento gerado pelos centros de pesquisa promoveu
deslocamentos da fronteira tecnológica, aumentou a produção obtida por unidade de
recursos e reduziu os custos médios. Exemplos da contribuição científica não faltam:
elevaram-se a resistência e a adaptação das plantas às pragas, doenças e às
condições de solo e clima; recursos escassos tiveram o rendimento otimizado ou
foram substituídos por outros mais abundantes; e novas técnicas de cultivo e de
manejo foram desenvolvidas. A introdução de variedades precoces e de culturas de
inverno, como o trigo e o centeio, entre outras inovações, permitiu a obtenção de
mais de uma safra por ano, aumentando a geração de renda por unidade de área.
Efeito semelhante foi provocado pela elevação da taxa de conversão de alimentos
em carnes – especialmente em suínos e em aves – e a simultânea redução da idade
de abate dos animais.
Entretanto, o progresso tecnológico contribuiu para as diferenças de eficiência
entre os sistemas produtivos agrícolas. Mesmo avanços aparentemente de fácil
acesso não se disseminaram uniformemente, como no caso do baculovírus para o
controle da lagarta da soja, cujo uso demandou, inicialmente, a disponibilidade de
refrigeradores para a conservação dos exemplares infectados.
1
Censos Agropecuários de 1970 e 1995 – 96.
2
Sistemas cujos atores principais são as duas unidades, no Estado, da Empresa Brasileira de
Pesquisa Agropecuária – EMBRAPA (Embrapa Soja e Embrapa Floresta) e o Instituto Agronômico
do Paraná – IAPAR.
10
Em complemento ao esforço científico, o Serviço de Assistência e Extensão
Rural contribuiu para a difusão e a correta aplicação da tecnologia existente,
concorrendo para o aumento da eficiência técnica dos sistemas produtivos.
Aos progressos de ordem técnica e alocativa, somaram-se outros não menos
importantes. As localidades alcançadas pelo adensamento da malha viária
beneficiaram-se com a redução do isolamento cultural, a “diminuição” da distância
dos fornecedores de insumos e dos centros consumidores, a queda dos custos
médios de produção e de transação e com a formação de redes de armazenamento
e de distribuição de produtos do campo.
3
Com o aprimoramento dos meios de
comunicação, surgiram novos canais de comercialização, formas inovadoras de
gerenciamento dos sistemas produtivos e aumentou o fluxo das informações
necessárias para as decisões alocativas, até mesmo em razão do maior acesso a
revistas especializadas e a programas dedicados à agricultura, na televisão.
O crescente contingente de profissionais atuantes na agricultura foi relevante
no processo de ganho de eficiência. Esses agentes disseminaram novas
tecnologias, contribuindo para a redução de desperdícios e, conseqüentemente,
para o aumento da eficiência técnica dos sistemas agrícolas. A absorção de
inovações biológicas, químicas e mecânicas motivou alterações nas relações de
trabalho e nas formas de condução das atividades no campo. Profissionais
alfabetizados e habilitados na manutenção e na regulagem de máquinas e de
equipamentos foram valorizados.
Movimento semelhante ao dos trabalhadores deu-se com boa parcela dos
produtores rurais. A classe organizou-se e especializou-se em seus ofícios,
3
Segundo o Departamento de Estradas e Rodagens do Paraná – DER/PR, a extensão das rodovias
federais e estaduais, pavimentadas ou não, aumentou no Estado de 10,7 mil km, em 1970, para
15,5 mil km, em 1995.
11
acumulou experiência e buscou imprimir caráter empresarial à gestão de suas
atividades. Exemplo disso foi o crescimento da participação em entidades de classe,
em cooperativas e em grupos de interesse, como comitês para a gestão de
microbacias hidrográficas.
4
Gradativamente, a preocupação com a atualização tecnológica e a eficiência
dos sistemas produtivos incorporou-se à rotina dos agricultores. Áreas exploradas
sob a modalidade de parceria – caracterizada pelo baixo padrão tecnológico –
reduziram-se em cerca de 63%, passando de 1.067.145 ha, em 1970, para 399.356
ha, em 1995–96.
5
Intensificaram-se as trocas com outros segmentos da economia. A relação entre
o valor dos bens intermediários utilizados pela agricultura e o valor da produção
ampliou-se de 21% – em 1970 – para 28%, em 1980; e para 36% em 1995–96.
6
No
caso do óleo diesel, o consumo saltou 784% – de 41 milhões para 361 milhões de
litros.
7
A suinocultura, a avicultura e a sericicultura aproximaram-se das
agroindústrias, das redes de distribuição e dos supermercados, voltando suas
estratégias para o atendimento das crescentes exigências por qualidade e preços. Em
várias atividades, a integração vertical foi responsável por importantes ganhos de
eficiência.
Questões ambientais orientaram a evolução dos sistemas produtivos. Diante da
crescente escassez dos recursos naturais e de ameaças à sustentabilidade, práticas
agrícolas lesivas ao meio ambiente – em especial no que se refere ao uso do solo –
4
Segundo dados fornecidos pela Organização das Cooperativas do Estado do Paraná – OCEPAR, o
número de associados de cooperativas agropecuárias cresceu de 29.360, em 1970, para 129.535,
em 1995.
5
Censos Agropecuários de 1970 e 1995 – 96.
6
Do autor, com base nos dados dos Censos de 1970 e 1995. O valor dos bens intermediários foi
obtido pela diferença entre as despesas totais dos produtores e as incorridas com salários,
aluguéis, juros e impostos.
12
foram substituídas por técnicas voltadas para a sua conservação. Exemplo disso foi a
adesão, a partir de meados da década de 1980, de inúmeros produtores ao plantio direto,
o que amenizou problemas como a erosão (ABRAMOVAY, 1999; VEIGA et al, 2005).
Como visto, é grande o universo de fatores que contribuíram para o ganho de
eficiência pela agricultura paranaense. Com a discussão dos mais evidentes deles
objetiva-se, apenas, apresentar as bases para o uso, nesta dissertação, do conceito
de “
EFICIÊNCIA
-X”, de Leibenstein (1966).
8
O autor usou o termo para referir-se ao
resultado da interação dos inúmeros fatores que determinam a eficiência das firmas,
entre eles, aspectos locacionais, organizacionais, educacionais, gerenciais e sociais.
Transformações da Estrutura Produtiva
Entre 1970 e 1995-96, a produção paranaense das principais culturas saltou de
5,39 milhões para 14,39 milhões de toneladas, incremento de 167%, enquanto a
correspondente área cultivada aumentou em aproximadamente 14%, apenas,
passando de 4,87 milhões para 5,55 milhões de ha (Tabela 1.1).
Tabela 1.1 – Produção e área das principais culturas, no Paraná
Produto 1970 1980 1995 – 96
ton ha ton ha ton ha
Algodão
397.064
373.287
452.489
263.729
267.434
171.038
Arroz
375.604
441.641
235.157
216.088
142.068
80.865
Café
116.899
360.897
367.913
617.320
109.471
101.845
Feijão
457.096
926.976
427.126
764.411
380.562
470.181
Milho
3.426.389
2.121.205
3.908.142
1.862.668
6.597.906
1.985.382
Soja
411.642
395.485
4.408.494
2.075.655
6.046.293
2.259.400
Trigo
205.360
250.213
1.231.075
1.135.261
849.695
479.778
Total
5.390.054
4.869.704
11.030.396
6.935.132
14.393.429
5.548.489
Fonte: Censos Agropecuários de 1970, 1980 e 1995–96.
7
Do autor, como base nos Censos Agropecuários de 1970 e 1995.
8
O Capítulo II dedica uma seção para a discussão do conceito de
EFICIÊNCIA
-X, de Leibenstein (1966).
13
As assimetrias do desenvolvimento provocaram alterações na estrutura da
agricultura do Estado. Os estabelecimentos menores perderam parte considerável
de sua área (Tabela 1.2) e de sua importância relativa na produção de algumas
culturas (Tabela 1.3):
Tabela 1.2 – Área dos estabelecimentos rurais segundo faixas de tamanho
Faixas de Tamanho dos 1970 1980 1995 – 96 (C) /
Estabelecimentos Rurais (a) (b) (c) (a)
menos de 10 ha 1.575.024 1.108.663 792.119 -50%
de 10 a menos de 50 ha 4.536.541 4.109.298 3.632.780 -20%
de 50 a menos de 100 ha 1.560.825 1.758.795 1.773.127 14%
de 100 a menos de 1.000 ha 4.220.749 5.666.926 6.550.666 55%
de 1.000 a menos de 10.000 ha
2.294.766 3.073.586 2.753.237 20%
10.000 ha ou mais 437.625 663.062 444.703 2%
Total 14.625.530 16.380.330 15.946.632 9%
Fonte: Censos Agropecuários de 1970, 1980 e 1995 – 96.
Tabela 1.3 – Participação dos estabelecimentos rurais com área inferior a 50 ha
na produção de algumas culturas
Produto 1970 1980 1995 – 96
Algodão 77% 73% 62%
Arroz 78% 61% 66%
Feijão 88% 81% 67%
Mandioca 86% 86% 68%
Milho 80% 69% 41%
Soja 74% 38% 30%
Trigo 48% 36% 30%
Fonte: Censos Agropecuários de 1970, 1980 e 1995 – 96.
As diferenças de ganhos de produtividade entre os diferentes grupos de
propriedades exprimem um pouco das disparidades no processo de modernização
tecnológica (Tabela 1.4).
Tabela 1.4 – Aumentos de produtividade segundo faixas de tamanho dos estabelecimentos
rurais
Algodão
Arroz Café Feijão Milho Soja Trigo
Menos de 10 ha 42% 71% 165% 34% 47% 159% 138%
De 10 a menos de 100 ha 41% 108% 203% 61% 85% 164% 134%
De 100 a menos de 1.000 ha 54% 115% 168% 143% 145% 101% 76%
De 1.000 a menos de 10.000 ha
47% 130% 103% 251% 200% 63% 102%
De 10.000 e mais – – – -51% 162% – –
Fonte: Censos Agropecuários de 1970, 1980 e 1995–96.
14
Parte das diferenças observadas na Tabela 1.4 pode ser debitada a questões
como a indivisibilidade das máquinas e equipamentos, em geral projetados para
áreas maiores, e à inelasticidade da oferta dos insumos modernos, própria das fases
iniciais do desenvolvimento.
Recursos com oferta inelástica são usados por um universo menor de
produtores, pois se incorporam aos sistemas produtivos somente até o ponto em que
o aumento de preços, provocado pela demanda crescente, neutraliza os ganhos
decorrentes do uso. Diferentemente, recursos com oferta elástica são empregados
até o ponto em que os lucros deles decorrentes caem a zero em razão da queda dos
preços dos produtos, ocasionada pelo aumento da produção (CUNHA, 1978; PAIVA,
1971).
9
Por fim, a Tabela 1.5 reúne outras importantes transformações da agricultura
paranaense, tais como: a substituição de pastagens naturais por plantadas, e o
conseqüente aumento na relação entre o efetivo de bovinos e a área de pastoreio; a
queda na área de lavouras permanentes; o uso crescente da força mecânica, o que
permitiu maior precisão e rapidez às tarefas como o plantio, a colheita e o tratamento
fitossanitário; e a redução na relação entre empregados permanentes e o total de
área explorada.
10
Tabela 1.5 – Transformações estruturais da agricultura paranaense
Paraná Unid. 1970 1980 1995 – 96 (c) / (a)
(a) (b) (c) %
Área dos estabelecimentos ha 14.625.530
16.380.330
15.946.632
9%
Número de estabelecimentos n
o
554.488 454.103
369.875
-33%
Área média dos estabelecimentos ha 26 36 43 63%
Participação na área total dos esta-
% 52%
43%
39%
-26%
becimentos inferiores a 100 ha
9
Esta questão foi tratada originalmente no Brasil por Ruy Miller Paiva (1971).
10
O autor, com base no confronto dos dados dos Censos Agropecuários de 1970 e 1995.
15
Paraná Unid. 1970 1980 1995 – 96 (c) / (a)
(a) (b) (c) %
Total de área explorada ha 9.433.479
12.230.901
12.490.947
32%
– pastagens naturais ha 1.809.429
1.534.151
1.377.484
-24%
– pastagens plantadas ha 2.700.281
3.986.067
5.299.828
96%
– lavouras permanentes ha 1.306.223
952.320
311.374
-76%
– lavouras temporárias ha 3.412.383
5.132.701
4.789.135
40%
– matas e florestas plantadas ha 205.163 625.662
713.126
248%
Área irrigada ha 9.176 28.092
46.890
411%
Tratores n
o
18.619 81.727
130.826
603%
Tratores por área de lavouras n
o
/ 1000 ha
4 13 26 550%
Consumo óleo diesel mil litros 40.831 287.828
360.916
784%
Empregados permanentes* n
o
118.242 169.448
133.603
13%
Emp. perm. por área explorada n
o
/ 1000 ha
13 14 11 -15%
Cabeças de bovinos n
o
4.692.677
7.893.313
9.900.885
111%
Bovinos por área de pastagens
n
o
cabeças /
ha
1,04 1,43
1,48 42%
Estabelecimentos de produtores n
o
21.597 88.132
121.268
462%
associados a cooperativas
Fonte: Censos Agropecuários de 1970, 1980 e 1995–96.
* De 14 anos ou mais.
3 HIPÓTESES
Pressupõe-se que o crescimento econômico e as transformações estruturais
verificados entre 1970 e o ano-agrícola 1995-96 fizeram-se acompanhar da elevação
do índice médio de eficiência da agricultura paranaense, assim como do aumento da
dispersão dos índices municipais de eficiência em torno da média.
4 OBJETIVOS
Esta dissertação tem dois objetivos principais: medir a eficiência relativa da
agricultura paranaense em 1970, 1980 e no ano-agrícola 1995-96 e verificar o efeito
do crescimento do PIB sobre a evolução dos índices de eficiência.
Tabela 1.5
–
Transformações estruturais da agricultura paranaense, continuação
16
CAPÍTULO 2
MARCO TEÓRICO
1 ASPECTOS GERAIS
O comportamento racional dos agentes econômicos é um dos pilares da teoria
econômica. No caso do produtor, trata-se da busca consistente da melhor cesta de
bens a ser ofertada com o menor uso possível de fatores. Com esses pressupostos,
a teoria assume que o processo decisório orienta-se pela maximização dos lucros e
pela aversão ao desperdício.
Durante muito tempo, índices parciais de produtividade, como a da terra e do
trabalho, foram os principais parâmetros na avaliação da eficiência das unidades
produtivas. Suas desvantagens são: não guardam relação com os preços relativos,
atribuem a um único elemento o efeito do conjunto de recursos empregados,
ocultam o uso excessivo de outros fatores de produção e podem conduzir à
impressão de que qualquer aumento em seus valores é benéfico.
Na busca da representação da eficiência em uma única medida escalar, os
diferentes fatores de produção passaram a ser agregados, o que implica o uso de
unidades monetárias. Mas o procedimento apenas se mostrou adequado para a
comparação da eficiência de firmas que enfrentam os mesmos preços relativos.
17
Sendo esses preços diferentes, medidas de eficiência baseadas em preços não
fornecem informação completa, já que uma unidade produtiva pode apresentar
maiores custos ou menores receitas e ainda assim ser tecnicamente mais eficiente
que outra (FARRELL, 1957).
Para contornar a questão, desenvolveram-se medidas de desempenho que
levam em conta o conjunto de fatores que integram os processos produtivos
(COOPER, SEIFORD, ZHU, 2004; FARRELL, 1957). Os índices de produtividade
total, como o de Tornqvist e o de Malquinst, são uma dessas medidas. Tais índices
medem mudanças intertemporais na quantidade produzida em relação ao conjunto
de fatores empregados na produção (COELLI, RAO, BATTESE, 2001; PEREIRA et
al, 2002).
Um passo adiante no desenvolvimento de índices globais de eficiência foi dado
por Farrell (1957), que comparou o desempenho observado com o potencial das
unidades produtivas. Desde então, duas metodologias de estimação de fronteiras de
eficiência ganharam corpo teórico: (a) as paramétricas, que dependem de
especificações da forma da função a ser estimada e (b) as não-paramétricas, que
não impõem especificação prévia à forma funcional da fronteira (KASSAI, 2002,
COELLI, RAO, BATTESE, 2001).
Inicialmente, as Técnicas não-paramétricas foram encaradas com ceticismo por
sua natureza determinística (SOUZA, 2003). As principais críticas residiam no fato
de (a) serem muito sensíveis a erros de medida e ruídos aleatórios; (b) não
permitirem a aplicação de testes de hipóteses e (c) resultarem em funções não
diferenciáveis, o que dificulta análises marginais.
Mas aos poucos as Técnicas não-paramétricas conquistaram adeptos no meio
acadêmico. As principais vantagens de seu uso são: possibilitam a estimação da
18
eficiência relativa de firmas com múltiplos produtos (procedimento complexo
utilizando-se Métodos paramétricos) e dispensam a especificação prévia da forma
funcional da fronteira de produção. São essas as características que levaram o
presente estudo a optar pela Análise Envoltória de Dados – DEA, Técnica não-
paramétrica, para estimar a eficiência da agricultura paranaense.
2 MEDIDAS DE EFICIÊNCIA DE FARREL
Farrell (1957) introduziu o conceito de eficiência relativa e segmentou o
desempenho em duas componentes, uma técnica e outra alocativa, o que permitiu a
comparação da eficiência técnica entre firmas que enfrentam preços relativos
diferentes (GOCHT, BALCOMBE, 2005).
Implícito no trabalho de Farrell está o conceito de eficiência de Vilfredo Pareto
(1906), formalizado matematicamente por Koopmans (1951), citados por Cooper,
Seiford e Tone (1999). Segundo o que se convencionou chamar de critério Pareto –
Koopmans de eficiência, uma firma é integralmente eficiente (100% eficiente)
somente se nenhum de seus produtos pode ser aumentado sem a redução de um
outro ou se nenhum dos fatores empregados pode ser diminuído sem o aumento de
um outro. O trabalho de Farrell, adiante resumido, inspirou, 20 anos mais tarde, o
surgimento da Análise Envoltória de Dados.
Embasamento Teórico
Em seu estudo sobre a eficiência das firmas, Farrell (1957) adotou uma
abordagem insumo-orientada. O autor explorou o assunto a partir da situação
descrita pela Figura 2.1, em que as unidades produtivas operam sob retornos
19
constantes à escala, empregam apenas dois fatores para a obtenção de um único
produto e é conhecida a função de produção eficiente, dada pela isoquanta
correspondente.
Por se localizarem sobre o mesmo raio que parte da origem, as unidades
produtivas representadas pelos pontos P e Q utilizam a mesma combinação dos
fatores x
1
e x
2
para a produção de uma unidade do produto y. O desempenho das
duas firmas diferencia-se, apenas, pela escala de uso da mesma combinação
particular de fatores. Por estar sobre a isoquanta eficiente SS’, a firma Q alcança o
máximo em eficiência técnica, pois produz uma unidade de y com o menor uso
possível de x
1
e x
2
, dada a sua combinação de fatores. Conseqüentemente, por
utilizar uma quantidade maior da mesma combinação dos fatores, a firma P
apresenta-se com eficiência técnica inferior à da firma Q.
Algebricamente, a medida de eficiência técnica de Farrell corresponde ao
quociente entre as distâncias radiais de firmas que usam a mesma combinação de
fatores, sendo uma eficiente e outra ineficiente. No exemplo da Figura 2.1, a
eficiência técnica de P é dada pela razão das distâncias OQ/OP.
0
x2/y
P
Q
R
Q’
S
S’
A
A’
Figura 2.1 - Modelo Teórico Insumo-Orientado (modificado - Farrell, 1957, p. 254)
X1/y
20
Farrell também elaborou o conceito de eficiência de preços, ou alocativa, termo
utilizado atualmente. Trata-se da capacidade das firmas de combinar os fatores em
uma proporção ideal – a de menor custo – dados os seus preços relativos. A
máxima eficiência alocativa ocorre no ponto em que a inclinação da isoquanta, ou
taxa de substituição técnica marginal, iguala-se à da reta de restrição orçamentária.
Na Figura 2.1, embora as firmas representadas pelos pontos Q e Q’
apresentem máxima eficiência técnica, apenas Q’ possui eficiência alocativa integral,
pois somente ela satisfaz à condição de ótimo (em que a taxa marginal de
substituição técnica se iguala à relação de preços). Já os pontos P e Q representam
firmas com diferentes níveis de eficiência técnica, mas igualmente ineficientes do
ponto de vista alocativo, pois usam a mesma combinação de fatores. A eficiência
alocativa dos dois pontos é dada pela relação OR/OQ.
Uma firma é totalmente eficiente quando o é do ponto de vista alocativo e
técnico. Na Figura 2.1, apenas a firma Q’ satisfaz a essa condição. Nota-se que,
sendo eficiente do ponto de vista alocativo, uma firma também o é do ponto de vista
técnico, já que se localiza sobre a isoquanta. No caso da firma P, sua eficiência total
(ou econômica) é representada pela razão OR/OP, que resulta do produto entre
suas eficiências técnica e alocativa: OQ/OP x OR/OQ. Todas as três medidas de
eficiência variam entre 0 e 1, pois são calculadas em relação à fronteira de
produção, ou seja, são medidas relativas.
A distância RQ representa a redução nos custos de produção possível de ser
obtida caso a firma Q caminhe sobre a curva SS’ em direção a Q’, ponto de máxima
eficiência alocativa (SOUZA, 2003).
Na versão produto-orientada, representada na Figura 2.2, as medidas de Farrell
são dadas pelas seguintes razões: OP/OQ, para a eficiência técnica; OQ/OR, para a
21
alocativa; e OP/OR, para a econômica (COELLI, RAO, BATTESE, 2001). O
segmento DD’ representa a reta de iso-receitas e a curva AA’, o conjunto de
possibilidades de produção. Nesse exemplo, dois produtos, y
1
e y
2
, são obtidos a
partir do uso de apenas um fator de produção, x, e mantém-se o pressuposto de
retornos constantes à escala.
As medidas de Farrell baseiam-se, portanto, em distâncias radiais, o que lhes
conferem propriedades interessantes: referem-se a uma mesma proporção no uso
dos fatores e não se alteram em função da unidade de medida usada (COELLI,
RAO, BATTESE, 2001).
Procedimento Empírico
As medidas discutidas apresentam a desvantagem de partirem de um modelo
teórico da função de produção eficiente. A crítica de Farrell reside no fato de que
modelos teóricos, que em geral não consideram todas as restrições incidentes sobre
os processos produtivos, resultam em estimativas otimistas de fronteiras de
eficiência e, em conseqüência, originam medidas pessimistas de eficiência.
0
y2/x
P
Q
R
Q’
D
D’
A
A’
Figura 2.2 - Modelo Teórico Produto-Orientado (Coelli, Rao e Battese, 2001, p.
138)
y1/x
22
Para contornar a questão, Farrell desenvolveu um Método empírico que estima
fronteiras de produção conservadoras, delimitadas pelos melhores resultados
efetivamente alcançados pelas firmas. O Método consiste na estimação da
isoquanta eficiente (SS’) pela união dos pontos representativos das firmas que
utilizam as menores combinações dos fatores x
1
e x
2
e pela extensão, ao infinito e
em paralelo aos eixos coordenados, das extremidades desse conjunto de
segmentos lineares. Os pontos a serem unidos correspondem àqueles cuja reta que
os liga não possui inclinação positiva e que não apresenta outra observação entre
ela e a origem. O procedimento é representado na Figura 2.3:
O procedimento resulta em uma fronteira SS’ que atende aos pressupostos de
convexidade e de negatividade inerentes às isoquantas e que se distancia mais da
origem do que ocorreria com uma função contínua. Como qualquer ponto sobre uma
isoquanta é alcançável pela função de produção correspondente, Farrell considerou
a isoquanta estimada SS’ representativa da função de produção eficiente do
conjunto observado de firmas.
Na Figura 2.3, a eficiência técnica de uma firma qualquer, como a representada
pelo ponto “A”, é estimada pela comparação de seu uso de fatores em relação ao de
uma firma “imaginária”, localizada no segmento linear “BC” da isoquanta SS’ cortado
0
x2/y
x1/y
S
S’
Figura 2.3 - Modelo Empírico (modificado - Farrell, 1957, p. 256)
A
B
C
23
pela linha “OA”. Para a localização das coordenadas dessa firma “imaginária”, Farrell
propôs o uso de equações simultâneas, que combinam os fatores usados pelas
firmas que definem o segmento “BC”, utilizando como pesos a proporção dos fatores
empregados pela firma “A”.
O autor concluiu que este método não se mostra adequado para estimativas de
eficiência alocativa, pois, ao estimar isoquantas pela união de segmentos lineares,
limita a poucos os pontos de tangência com as possíveis retas de restrição
orçamentária.
Ao relaxar a suposição de retornos constantes à escala, Farrell constatou que a
aplicação de seu método conservador não é tão direta para firmas que operam sob
retornos crescentes como o é para retornos decrescentes. A questão repousa sobre
as diferenças na curvatura dessas funções. Farrell usou como exemplo o caso da
produção de um único produto a partir de um único fator de produção. Na Figura
2.4– a, a combinação linear de qualquer par de pontos sobre a função S origina um
terceiro ponto possível de ser atingido, pois está contido no conjunto de produção.
O oposto ocorre para retornos crescentes à escala. Na Figura 2.4–b, a
combinação linear de qualquer par de pontos sobre a curva S origina um terceiro
0
y
Figura 2.4 –a Retornos Decrescentes
à Escala (FARRELL, 1957, p. 258)
X
Conjunto
de
Produção
R
S
0
y
Figura 2.4 –b Retornos Crescentes à
Escala (FARRELL, 1957, p. 258)
X
Conjunto
de
Produção
R
S
24
ponto de eficiência impossível de ser alcançado, pois está localizado fora do
conjunto de produção. Neste caso, a aplicação do Método de Farrell resultaria em
uma estimativa otimista, R, da função de produção S e, conseqüentemente, em uma
estimativa pessimista da eficiência técnica de qualquer ponto no interior do conjunto
de produção. Ambas as figuras representam o caso de um único produto obtido a
partir do uso de um único fator de produção.
A robustez das medidas de eficiência
As medidas de eficiência variam na presença de perturbações. Por exemplo,
deslocamentos dos limites da fronteira de eficiência provocados pela introdução ou
pela retirada de observações extremas (outliers) do conjunto sob análise alteram
tanto as medidas de eficiência técnica quanto as de eficiência alocativa.
Diferenças de qualidade entre os fatores de produção influenciam medidas de
eficiência técnica. Nesses casos, o importante a observar é se a distribuição do fator
é uniforme entre as observações. Em caso negativo, e desde que sejam fisicamente
mensuráveis as diferenças, são possíveis ajustes quantitativos para tornar
relativamente homogêneos os fatores heterogêneos. Entretanto, o procedimento é
de difícil implementação (FARRELL, 1957).
Já as medidas de eficiência alocativa são influenciadas por uma diversidade
maior de fatores. A introdução de novas observações pode alterar a inclinação da
isoquanta, modificando a relação OR/OQ. A eficiência alocativa também é
influenciada pelos preços dos fatores, cujas variações modificam o ponto de
tangência da reta de restrição orçamentária AA’ com a isoquanta eficiente (Figura
2.1).
25
Farrell enfatizou que o uso da reta de restrição orçamentária como parâmetro
para estimação da eficiência alocativa subestima a medida, pois parte do
pressuposto de que a oferta dos fatores é perfeitamente elástica. Ressaltou, ainda,
que, na prática, a relação entre os preços dos fatores modifica-se na medida em que
se alteram as suas combinações, ou seja, em que um é mais demandado que o
outro. Diante desses aspectos e da flutuação dos preços, Farrell relativizou a
importância da eficiência alocativa. Argumentou que esta reflete, apenas, o grau de
confirmação das expectativas passadas das firmas em relação aos preços
presentes.
Entretanto, a observação do autor parece adequar-se mais à indústria que
apresenta curtos intervalos entre a decisão de produzir e a de vender. No caso da
agricultura, em que tal defasagem é mais dilatada, a eficiência alocativa tende a assumir
maior importância.
A eficiência técnica e alocativa em uma indústria
Farrell estendeu, para a indústria, sua discussão sobre eficiência técnica das
firmas.
11
Para o autor, em relação a uma dada isoquanta, a eficiência técnica de uma
indústria integrada por firmas que operam com a mesma proporção de fatores
corresponde exatamente à média ponderada das eficiências técnicas das firmas que a
integram (ponderação pela produção das firmas).
De outro lado, ao considerar a existência de heterogeneidade (dispersão) na
proporção de uso dos fatores, Farrell concluiu que a ponderação dos índices de
eficiência técnica e de eficiência alocativa das firmas que constituem uma indústria
11
Entendida, por indústria, a reunião de firmas que produzem o mesmo produto.
26
tende a subestimar a primeira medida e a sobreestimar a segunda, resultando em
medidas enviesadas. Segundo o autor, o importante a notar é que, em tais
agregações, verifica-se a transferência de elementos de ineficiência alocativa para a
ineficiência técnica, sendo que a eficiência total (ou econômica) não se altera.
O autor consignou, ainda, que por se referir à sua própria fronteira de produção, a
eficiência de uma determinada indústria não pode ser comparada com a de outra de mesma
natureza que atua, por exemplo, em ambiente diferente. Caso a comparação fosse feita, uma
indústria uniformemente ineficiente alcançaria maior nível de eficiência que uma outra com
firmas eficientes e firmas ineficientes.
3 ANÁLISE ENVOLTÓRIA DE DADOS
A Análise Envoltória de Dados – DEA é um Método não-paramétrico que avalia
o desempenho das unidades produtivas por meio da solução de problemas de
programação linear. A técnica baseia-se nos conceitos e no Método conservador de
Farrell (1957) de estimação de medidas e de fronteiras de eficiência. Um dos
pressupostos da DEA é a livre disponibilidade de fatores e de produtos (STOSIC,
SAMPAIO DE SOUZA, 2005).
O Modelo CCR (para retornos constantes à escala)
Emrouznejad (1995–2001) observa que a abordagem de Farrell tem como
fundamento o pressuposto de que todas as observações sob avaliação valoram os
fatores de produção e os produtos com um mesmo conjunto de pesos (preços
constantes). Essa suposição torna insatisfatória a comparação de firmas que operam
com pesos diferentes. Ao se referir a depósitos de distribuição de produtos, o autor
ilustra a questão:
27
[...]
Pode haver dois tipos de dificuldades em obter um conjunto
comum de pesos. Primeiro, é possível que seja difícil valorar os
inputs e os outputs. Por exemplo, nos dados dos armazéns, os pesos
dos outputs presumivelmente relacionam-se com o valor ou custo de
produzi-los, mas esses custos ou valores podem ser de difícil
mensuração. Alternativamente, os depósitos podem diferir entre si na
forma de organizar suas operações, o que, legitimamente, os fazem
atribuir valores relativos também diferentes aos seus outputs. Talvez
isso fique mais claro ao se comparar a eficiência relativa de escolas
com realizações em música e esporte, entre seus outputs. Algumas
escolas legitimamente valorizam realizações em esportes ou música
diferentemente de outras, e, em geral, as unidades podem valorizar
inputs e outputs de forma diferente e então requerer pesos
diferentes. Essa medida de eficiência associada ao pressuposto de
que um único conjunto comum de pesos é requerido é insatisfatória.
A suposição de que todas as firmas usam um mesmo conjunto de pesos foi
relaxada por Charnes, Cooper e Rhodes (1978). Os autores desenvolveram uma
técnica não-paramétrica, por eles chamada de Análise Envoltória de Dados (Data
Envelopmente Analysis – DEA), que generaliza o método de estimação da eficiência
técnica de Farrell (1957), pois possibilita a consideração de múltiplos produtos e de
múltiplos fatores.
A DEA avalia a eficiência técnica de uma firma comparando a sua razão entre a
soma ponderada dos produtos e a soma ponderada dos fatores com a mesma razão
de cada firma que compõe o conjunto sob observação.
12
A ponderação é obtida por
meio da solução de um problema de programação linear que busca o conjunto de
pesos dos produtos e dos fatores que maximiza tal razão. Essa busca de pesos é
feita sob a restrição de que, quando aplicada a cada firma do conjunto de
12
Charnes, Cooper e Rhodes (1978) preferiram usar o termo Unidades Tomadoras de Decisão –
DMU (Decision Making Units) para se referirem às unidades produtivas cuja eficiência é objeto de
28
observações, a ponderação ótima resulte em índices iguais ou menores do que a
unidade (GOMES, SOARES DE MELLO; BIONDI NETO, 2003).
Quanto à flexibilidade na escolha de pesos, há aspectos positivos e negativos.
Se, por um lado, o Método conduz a conclusões consistentes quanto às firmas
ineficientes, pois estas assim são avaliadas considerando-se os pesos que lhes
propiciam o melhor resultado frente às demais, por outro as estimativas de eficiência
podem decorrer mais da escolha dos pesos que maximizam os resultados das firmas
do que de seus efetivos desempenhos (EMROUZNEJAD, 1995–2001).
À semelhança ao Método de Farrell (1957), o Modelo CCR – como ficou
conhecido na literatura em alusão às iniciais de Charnes, Cooper e Rhodes (1978) –
aplica-se a firmas que operam sob retornos constantes à escala (KASSAI, 2002). O
Modelo constrói uma superfície linear por partes, que “envelopa” todas as
observações. A formulação fracional do problema de programação linear do Modelo
CCR é dada por (STOSIC, 2005, p. 12):
13
=
=
≡
N
n
nkn
M
m
mkm
kvu
xv
yu
h
1
1
,
max
sujeito a: (2.1)
Kkj
xv
yu
N
n
njn
M
m
mjm
,,,,11
1
1
=≤
=
=
Nnv
Mmu
n
m
,,10
,,10
=>
=
>
avaliação. Originalmente, os autores aplicaram o modelo CCR para a avaliação da eficiência
relativa de escolas participantes de um programa de educação do governo americano.
13
As formulações DEA desta seção, em suas formas primal e dual, baseiam-se em Stosic (2005) e
em Kassai (2002).
29
em que:
k – firma cuja eficiência está sendo estimada;
j – demais firmas em relação às quais se estima a eficiência da firma k;
m – número de “outputs”;
y
mk
– quantidade de “output” m gerada pela DMU k;
n – número de “inputs”;
x
nk
– quantidade de “input” n usada pela DMU k;
u
m
– variável peso associada com o “output” m;
v
n
– variável peso associada com o “input” n.
Para avaliar a eficiência de uma firma específica em relação a um conjunto de
observações, deve-se fazer que os seus dados, relativos a produtos e fatores,
figurem na função objetivo de (2.1) e com que os de todas as observações integrem
as restrições. A estimação da eficiência das demais observações é feita pela
repetição do procedimento até que todas figurem na função objetivo (COOPER,
SEIFORD e TONE, 1999).
Vista de forma resumida, a estrutura fracional (2.1) reduz a mensuração da
eficiência de uma firma com múltiplos produtos e múltiplos fatores à otimização de
uma “razão virtual” entre a soma ponderada do conjunto de produtos e a soma
ponderada do conjunto de fatores. Quanto maior for essa “razão virtual” para uma
firma específica, maior será a sua eficiência em obter produtos a partir do uso de
fatores (COOPER, SEIFORD, ZHU, 2004).
As restrições de (2.1) relativas aos pesos, u
m
e v
n
> 0, garantem que as
soluções dessas variáveis sejam positivas e, ainda, que estará sendo atribuída a
cada firma a eficiência em relação a sua projeção radial sobre a fronteira estimada.
Esse último aspecto representa um avanço com relação ao Modelo de Farrell, na
medida em que reconhece a possibilidade da existência de folgas (slacks), ou seja,
de excesso no uso de fatores ou de deficiência na obtenção de produtos, mesmo
quando feita a projeção radial de uma firma sobre a fronteira de produção estimada
30
(COOPER, SEIFORD, ZHU, 2004). No final desta seção, as folgas (slacks) serão
objeto de considerações adicionais.
Como a forma fracional (2.1) permite infinitas soluções – pois se u
m
e v
n
são
ótimos, .u
m
e .v
n
também o serão, para qualquer > 0 – Charnes, Cooper e
Rhodes (1978) transformaram o problema fracional em um problema de
programação linear, referido na literatura por “forma dos multiplicadores” ou “primal”.
Conforme o interesse da análise, minimização do uso de fatores (abordagem
insumo-orientada) ou maximização da produção (abordagem produto-orientada), o
procedimento restringe o valor do denominador ou do numerador da função objetivo,
respectivamente, a uma constante arbitrária, usualmente a unidade (BELTON,
VICKERS, 1993; KASSAI, 2002; COELLI, 1996; STOSIC, 2005). A formulação
insumo-orientada é dada por (STOSIC, 2005, p. 13):
=
≡
M
m
mkmkvu
yuh
1
,
max
sujeito a: (2.2)
=
=
N
n
nkm
xv
1
1
K,k,,1,j0xvyu
N
1n
njn
M
1m
mjm
=≤−
==
Nnv
M
mu
n
m
,,10
,,10
=>
=
>
em que:
k – firma cuja eficiência está sendo estimada;
j – demais firmas em relação às quais estima – se a eficiência da firma k;
m – número de “outputs”;
y
mk
– quantidade de “output” m gerada pela DMU k;
n – número de “inputs”;
x
nk
– quantidade de “input” n usada pela DMU k;
u
m
– variável peso associada com o “output” m;
v
n
– variável peso associada com o “input” n.
31
O Modelo (2.2) é insumo-orientado pois busca minimizar o uso dos fatores de
forma a, no mínimo, produzir o nível de produção dado, expresso pela maximização
da somatória das quantidades y multiplicadas pelos pesos u. Índices de eficiência
menores que a unidade indicam a redução proporcional nos fatores necessária para
que a firma k se torne eficiente, mantendo-se o nível de produção (KASSAI, 2002;
STOSIC, 2005).
Com o uso da propriedade da dualidade em programação linear, pode-se
derivar formulações da sua ”forma dos multiplicadores”, ou “primal”, para outra,
equivalente, chamada de “forma envoltória”, ou “dual”, que apresenta solução mais
simples pelo fato de envolver menos restrições (COELLI, RAO, BATTESE, 2001;
STOSIC, 2005). A forma “dual” do Modelo CCR insumo-orientada é dada por
(STOSIC, 2005, p. 14):
(
)
θ
θ
λθ
,
min
≡
k
sujeito a:
=
=≥
K
j
njjnk
Nnxx
1
,,1
λθ
=
=≤
K
j
njjmk
Mmyy
1
,,1
λ
(2.3)
Kj
j
,,10,
=
≥
λ
θ
em que:
j
– são constantes positivas, a serem ajustadas à observação cuja eficiência se pretende
avaliar (substitui u
m
e v
n
da formulação multiplicadora).
Quando a análise é produto-orientada, a formulação CCR restringe à unidade o
valor do numerador da formulação (2.1), sendo dada por (STOSIC, 2005, p. 16):
32
=
≡
N
n
nkn
kvu
xv
h
1
,
1
max
sujeito a: (2.4)
1
1
=
=
M
m
mkm
yu
Kkjxvyu
N
n
njn
M
m
mjm
,,,,10
11
=≤−
==
Nnv
Mmu
n
m
,,10
,,10
=>
=
>
em que:
k – firma cuja eficiência está sendo estimada;
j – demais firmas em relação às quais estima-se a eficiência da firma k;
m – número de “outputs”;
y
mk
– quantidade de “output” m gerada pela DMU k;
n – número de “inputs”;
x
nk
– quantidade de “input” n usada pela DMU k;
u
m
– variável peso associada com o “output” m;
v
n
– variável peso associada com o “input” n.
O Modelo produto-orientado foi apresentado em sua forma fracional apenas
para facilitar o contato com o raciocínio adotado. Problemas de programação linear
somente solucionam funções-objetivo e restrições lineares. Por isso, na verdade a
função-objetivo de (2.4) é trabalhada em sua forma equivalente, linear, a seguir
indicada, que se aproveita do fato de que maximizar uma razão é o mesmo que
minimizar o seu inverso (KASSAI, 2002, p. 76):
=
≡
N
n
nknkvu
xvh
1
,
min (2.5)
A forma “dual” da formulação (2.4) é indicada a seguir (STOSIC, 2005, p. 16):
(
)
ww
wk
λ
,
max
=
sujeito a:
=
=≤
K
j
mjjmk
Mmyyw
1
,,1
λ
(2.6)
33
=
=≥
K
j
njjnk
Nnxx
1
,,1
λ
Kjw
j
,,10,
=
≥
λ
em que:
j –
são constantes positivas, a serem ajustadas à observação cuja eficiência se
pretende avaliar;
w
k
assume valores maiores que a unidade e a eficiência técnica da k-ésima
observação é dada por
k
=1/w
k
.
Assim como no Método de Farrell, implícito ao Modelo CCR (retornos
constantes), está a suposição de que a razão entre produtos e insumos mantém-se
em toda a superfície da fronteira de eficiência. Por esse motivo, as medidas CCR de
eficiência técnica insumo-orientadas e produto-orientadas são equivalentes, como
demonstra a Figura 2.5:
Na abordagem voltada para a maximização do produto (y), a eficiência da firma
representada pelo ponto sob a linha tracejada é dada pela razão entre as distâncias
verticais OC e OD. No enfoque voltado para a minimização do fator de produção (x),
a eficiência da mesma firma é dada pela razão entre as distâncias horizontais OA e
OB. Portanto, a dimensão e a direção das distâncias horizontal ou vertical, indicadas
y
x
A
D
Figura 2.5 - Retornos Constantes à Escala (modificado - Coelli, 1996, p. 7)
B
C
O
34
pelas setas na Figura 2.5, definem o esforço que as firmas devem empreender para
alcançar a fronteira de produção (COOPER, SEIFORD, TONE, 1999).
Retomando a questão das folgas (slacks), elas ocorrem quando a projeção
radial da firma sob avaliação corta a fronteira estimada em um de seus segmentos
paralelos aos eixos coordenados. Neste caso, o ponto de interseção não representa
um ponto de eficiência, segundo o critério Pareto – Koopmans (COOPER,
SEIFORD, TONE, 1999). Na Figura 2.6, que considera um Modelo insumo-orientado
em que são utilizados dois fatores para a obtenção de um único produto, a projeção
radial B’ da firma B sobre a fronteira SS’ é um ponto eficiente, pois rechaça a
possibilidade de existência de folga: qualquer redução nos fatores x
1
ou x
2
resultaria
na migração de B’ para um ponto ineficiente, afastado da isoquanta SS’:
No caso da firma A isso não ocorre. Sua projeção radial A’, apesar de localizar-
se sobre a isoquanta SS’, representa um ponto ineficiente, pois é possível reduzir o
uso do fator x
2
, em montante equivalente ao segmento A’C, sem que isso implique a
migração A’ para um ponto ineficiente (COOPER, SEIFORD, TONE, 1999). Por isso,
0
x2/y
x1/y
A
C
B’
B
D
S
S’
A’
Figura 2.6 Modelo empírico e os slacks (Coelli, 1996, p. 12)
35
a firma A’, em relação à qual estima-se a eficiência de A, não é considerada eficiente
segundo o Critério Pareto – Koopmans.
Vários autores publicam os valores das folgas junto às estimativas de eficiência
técnica, como indicativo de que a firma que serve de referência para a avaliação opera
perto dos limites do conjunto observado. Outros autores questionam a importância das
folgas. Argumentam que são uma conseqüência do Método empregado pela DEA
para a estimação de fronteiras de produção e que não existiriam caso a amostra
fosse infinita ou se a fronteira de produção estimada fosse contínua, como ocorre
com outros Métodos (COOPER, SEIFORD, TONE, 1999; STOSIC, 2005).
Maiores detalhes sobre folgas (slacks) — inclusive no que se refere à
formulação DEA em multiestágios para a avaliação segundo o critério Pareto-
Koopmans das observações que apresentam folgas — podem ser obtidos em
Cooper, Seiford e Zhu (2004), Cooper, Seiford e Tone (1999) e em Coelli, Rao e
Battese (2001).
Característica especial da DEA é que as observações eficientes que delimitam
os segmentos lineares atingidos pelas projeções radiais das firmas ineficientes (ou
que definem a superfície de eficiência interceptada pela projeção radial, no caso de
múltiplos produtos ou fatores) servem como referência de “melhores práticas
produtivas” para as firmas avaliadas. Esse é o caso das firmas C e D em relação a
B, na Figura 2.6. No jargão DEA, as unidades de referência são chamadas de
“peers”.
Finalmente, Forsund e Sarafoglou (2000) entendem que a grande contribuição
de CCR foi a conexão feita entre a lógica de Farrell (1957) e os índices de
produtividade. Outros autores vêem como mérito do grupo a construção de uma
ponte entre os conceitos mecânico e econômico de eficiência. O Modelo CCR
36
mantém a sistemática de Farrell de estimar o desempenho de firmas ineficientes
com base na razão entre as distâncias radiais destas e das firmas eficientes.
O Modelo BCC (para retornos variáveis à escala)
A uso do Modelo CCR para a avaliação da eficiência relativa de unidades
produtivas que não operam em escala ótima resulta em medidas de eficiência
técnica distorcidas pelas diferenças de escala de produção (COELLI, RAO,
BATTESE, 2001).
Banker, Charnes e Cooper (1984) desenvolveram um Modelo DEA para a
avaliação da eficiência de firmas que operam sob retornos variáveis à escala. Por
meio da introdução de uma variável ”u” nas formulações CCR insumo-orientadas e
de outra “v” nas formulações produto-orientadas, que impõem a condição de
convexidade para a fronteira a ser estimada, o Modelo BCC (sigla em alusão às
iniciais dos autores: Banker, Charnes e Cooper) fornece medidas “puras” de
eficiência técnica, ou seja, depuradas dos efeitos das diferentes escalas de
produção. Essa condição de convexidade garante que o desempenho de uma firma
ineficiente somente seja comparado com o de firmas de tamanho similar (COELLI,
RAO, BATTESE, 2001; KASSAI, 2002). O Modelo BCC com formulação insumo-
orientada é dado por (KASSAI, 2002, p. 76, adaptado para o padrão de STOSIC,
2005):
14
k
M
m
mkmkvu
uyuh −≡
=1
,
max
14
As formulações DEA desta seção, em suas formas primal e dual, baseiam-se em Stosic (2005) e
em Kassai (2002).
37
sujeito a: (2.7)
=
=
N
n
nkn
xv
1
1
K,k,,1,j0xvyu
N
1n
njn
M
1m
mjm
=≤−−
==
k
u
Nnv
M
mu
n
m
,,10
,,10
=>
=
>
em que:
k – firma cuja eficiência está sendo estimada;
j – demais firmas em relação às quais estima-se a eficiência da firma k;
m – número de “outputs”;
y
mk
– quantidade de “output” m gerada pela DMU k;
n – número de “inputs”;
x
nk
– quantidade de “input” n usada pela DMU k;
u
m
– variável peso associada com o “output” m;
v
n
– variável peso associada com o “input” n.
Em sua forma dual, a formulação BCC insumo-orientada é dada por (STOSIC,
2005, p.20):
(
)
θ
θ
min
=
k
sujeito a:
=
=≥
K
j
njjkn
Nnxx
1
,,1
λθ
(2.8)
=
=≤
K
j
mjjmk
Mmyy
1
,,1
λ
=
=
K
j
j
1
1
λ
Kj
j
,,10,
=
≥
λ
θ
A formulação BCC produto-orientada, em sua forma primal, é dada por
(KASSAI, 2002, p. 76, adaptado para o padrão de STOSIC, 2005):
38
=
≡
N
n
nkn
kvu
xv
h
1
,
1
max
sujeito a: (2.9)
1
1
=
=
M
m
mkm
yu
Kkjvxvyu
k
N
n
njn
M
m
mjm
,,,,10
11
=≤−−
==
Nnv
Mmu
n
m
,,10
,,10
=>
=
>
A formulação BCC produto-orientada, em sua forma dual, é dada por (STOSIC,
2005, p. 20-21):
(
)
ww
k
max
=
sujeito a: (2.10)
=
=≤
K
j
jmjmk
Mmyyw
1
,,1
λ
=
=≥
K
j
njjnk
Nnxx
1
,,1
λ
=
=
K
j
j
1
1
λ
Kj
j
,,10,
=
≥
λ
θ
A função-objetivo foi apresentada na forma fracionária apenas para facilitar o
seu entendimento. Na verdade, ela é empregada em forma linear, dada por
(KASSAI, 2002, p. 76):
k
M
m
mkmkvu
vxvh +≡
=1
,
min
(2.11)
39
O Modelo BCC (retornos variáveis) resulta em uma fronteira de eficiência que
se aproxima mais das observações do que aquela que se obteria caso fosse
aplicado ao mesmo conjunto de dados o Modelo CCR (retornos constantes). Por
isso, as medidas CCR de eficiência técnica são iguais ou inferiores às obtidas pelo
uso do Método BCC (COELLI, RAO, BATTESE, 2001). A Figura 2.7 ilustra a
questão:
Sendo inferiores às estimativas de eficiência técnica obtidas pelo Modelo BCC,
as medidas CCR de eficiência técnica estão distorcidas por ineficiência escalar. Na
Figura 2.7, a ineficiência escalar das firmas A e C é dada, em cada caso, pela
diferença entre as medidas BCC e CCR, que correspondem às respectivas
distâncias verticais em relação em relação à fronteira CCR. De outro lado, se as
medidas de eficiência calculadas pelas fronteiras CCR e BCC para uma mesma
observação são iguais, como no caso da firma representada pelo ponto B, significa
que ela é tecnicamente eficiente e que opera sem ineficiência escalar. Finalmente,
firmas localizadas abaixo das fronteiras estimadas pelos Métodos CCR e BCC, como
a representada pelo ponto D, apresentam dois tipos de ineficiência: uma técnica,
depurada dos efeitos da escala de produção, dada pelo segmento DD’, e outra
Fronteira BCC -
Retornos Variáveis
Figura 2.7 Ajustamento das fronteiras CCR e BCC (Coelli, Rao e Battese, 2001, p.
153)
Fronteira CCR-
Retornos Constantes
D
Insumo
Produto
A
B
C
D’
D”
40
escalar, correspondente ao segmento D’D” (COELLI ,1996; COELLI, RAO,
BATTESE 2001; STOSIC, 2005).
Para identificar a natureza da ineficiência escalar com que as firmas operam é
necessária a aplicação de outro Modelo DEA, que adiciona a condição de
desigualdade à penúltima restrição constante das formulações (2.8) e (2.10), como
indicado a seguir (STOSIC, 2005, p. 21):
=
≤
K
j
j
1
1
λ
(2.12)
Essa restrição adicional faz que a fronteira de eficiência assuma o contorno
definido pela linha pontilhada indicada na Figura 2.8, que inicialmente corre em
paralelo à fronteira de retornos constantes e a partir de certo ponto segue a de
retornos variáveis à escala:
A formulação DEA com esta restrição adicional é chamada de Modelo para
Retornos Não-Crescentes à Escala (Non-Increasing Returns to Scale – NIRS). Se
forem diferentes as estimativas de eficiência obtidas pelos Modelos NIRS e BCC
para uma mesma observação, significa que ela opera em uma região de retornos
crescentes do conjunto de possibilidades de produção, como é o caso da firma
Fronteira BCC -
Retornos Variáveis
Figura 2.8 Fronteira de Retornos não Crescentes (modificado - Coelli, 1996, p. 19)
Fronteira CCR-
Retornos Constantes
Fronteira NIRS –
Retornos não Crescentes
E
D
A
B
C
Insumo
Produto
41
representada pelo ponto D, na Figura 2.8. Sendo iguais tais medidas e ambas
diferentes da estimativa CCR de eficiência, a conclusão é que a firma em questão
opera em uma região de retornos decrescentes à escala, como é o caso da firma
representada pelo ponto E (COELLI, 1996). A identificação do tipo de retorno com
que opera uma firma é uma informação valiosa, uma vez que diz se o seu produto
marginal é superior, inferior ou igual ao produto médio.
Síntese e Limitações da Análise Envoltória de Dados
A Análise Envoltória de Dados é um método que avalia a eficiência técnica dos
integrantes de um conjunto firmas a partir da comparação do desempenho de cada
componente desse conjunto com o correspondente desempenho preconizado por
uma fronteira de eficiência delimitada pelas unidades produtivas com os melhores
resultados. Qualquer observação sobre a fronteira estimada é considerada eficiente,
apresenta eficiência unitária, e qualquer observação abaixo dela, dentro do conjunto
de produção, apresenta eficiência menor que a unidade (BELTON, VICKERS, 1993).
Trata-se, portanto, de uma técnica que fornece medidas de eficiência relativa.
Entre as vantagens da Técnica, destacam-se:
– não exige prévia especificação da forma funcional da função de fronteira;
– indica as firmas que definem o segmento linear ou a superfície de eficiência
contra a qual se deu a avaliação da eficiência de uma firma específica, o que permite
adotá-las como referências de melhores práticas produtivas;
– permite a incorporação na análise de múltiplos produtos sem a necessidade
de se atribuir valores monetários a eles; e
42
– fornece índices que são comparáveis entre períodos para uma mesma
observação, mantido o mesmo universo de firmas em avaliação.
Entre suas limitações, mencionam-se:
– erros de medidas e outliers podem alterar significativamente as medidas de
eficiência;
– as variações aleatórias são consideradas sistemáticas, o que faz com que
todos os afastamentos em relação à fronteira sejam vistos como ineficiência;
– a fronteira estimada não é de fácil representação matemática;
– suas medidas baseiam-se na comparação do desempenho de firmas reais
com o de firmas virtuais, imaginárias;
– a falta de propriedades estatísticas dificulta testes de hipóteses e a inferência
estatística; e
– no caso de múltiplos produtos, não associa os insumos a um produto
específico.
Por fim, vários autores sugerem que o número de observações necessário para
a aplicação da Técnica deve ser, no mínimo, o dobro ou o triplo da quantidade de
variáveis (outputs e inputs) consideradas na análise. Um número pequeno de
observações em relação ao de variáveis faz com que muitas sejam consideradas
eficientes.
43
4 A TÉCNICA “JACKSTRAP”
Stosic e Sampaio de Sousa (2005) desenvolveram um procedimento
automático para a detecção de erros de medida e de observações atípicas (outliers)
que combina as Técnicas de reamostragem “Bootstrap”
15
e “Jackknife”
16
.
O Método, denominado pelos autores de “Jackstrap”, consiste na obtenção de
um número grande de subamostras de mesmo tamanho extraídas aleatoriamente do
conjunto original de observações (Técnica Bootstrap), e na verificação, no âmbito de
cada subamostra, do efeito nas medidas DEA de eficiência das observações que a
integram ocasionado pela retirada sucessiva da análise de cada observação
(Técnica Jackknife, com reposição). O efeito da exclusão de cada observação
(leverage) em relação ao universo original de observações corresponde à média dos
efeitos verificados quando de sua retirada de cada subamostra.
Uma vez calculados os (leverage) de todas as observações, a definição das
que serão consideradas outliers depende do critério a ser adotado pelo investigador.
Tendo presente a elevada sensibilidade das medidas DEA de eficiência à
presença de outliers (conforme discutido na subseção anterior), esta dissertação
opta pelo uso da Técnica “Jackstrap” para a identificação de observações atípicas. O
procedimento evitará a discricionariedade inerente à inspeção visual dos dados e
conferirá maior consistência às medidas de eficiência relativa a serem obtidas pela
sistemática DEA. A seção seguinte apresenta outros aprimoramentos relacionados
aos Modelos e às aplicações da Análise Envoltória de Dados.
15
Detalhes sobre a técnica Bootstrap podem ser obtidos em Efron e Tibshirani (1993).
16
Detalhes sobre a técnica Jacknife podem ser obtidos em Efron (1979).
44
5 APRIMORAMENTOS E APLICAÇÕES DO MODELO DEA
Cooper, Seiford e Zhu (2004) relacionam três aperfeiçoamentos da Análise
Envoltória de Dados.
17
O primeiro refere-se ao desenvolvimento de Modelos DEA
que incluem na análise variáveis sobre as quais as firmas não têm o controle de seu
uso, como o clima, a qualidade e a topografia do solo, o número de competidores e
o capital, no curto prazo. Como exemplo, os autores citam o trabalho em que Banker
e Morey (1986 A) usaram uma formulação DEA para ilustrar o impacto de variáveis
exogenamente fixadas sobre a eficiência de uma rede de restaurantes.
O segundo diz respeito à introdução da possibilidade do uso de variáveis
classificatórias, que dividem em diferentes níveis os dados referentes a um mesmo
tipo de produto ou fator de produção, de forma a assegurar que as avaliações serão
efetuadas em relação a firmas que apresentam as mesmas características. Banker e
Morey (1986 B) discutem o uso de variáveis classificatórias.
O terceiro aprimoramento refere-se à imposição de restrições aos valores dos
pesos a serem atribuídos às diversas variáveis (produtos e insumos), à razão entre
eles ou ainda ao resultado de inequações que os relacionam. O procedimento
baseia-se no julgamento ou no conhecimento prévio das características das
unidades a serem avaliadas e, com isso, procura evitar com que a flexibilidade na
escolha dos pesos, característica dos modelos originais de DEA, resulte em
conseqüências indesejáveis, como a super ou a subestimação da eficiência de uma
dada firma. Considerações a respeito das implicações da imposição de restrições
aos pesos podem ser encontradas em Allen et al (1997).
17
Os casos em referência são discutidos pelos autores com base nos trabalhos de Dyson e
Thanassoulis, (1988) e Roll, Cook e Golany (1991), no primeiro exemplo, de Thompson et al
(1986), no segundo, e de Wong e Beasley (1990), no terceiro.
45
Roll, Cook e Golany (1991) e Roll e Golany (1993) desenvolveram uma forma
de verificação da robustez das medidas DEA de eficiência. O Método consiste em
comparar as estimativas de eficiências obtidas pela sistemática DEA tradicional – ou
seja, por meio da atribuição para cada observação de um conjunto de pesos que lhe
maximize a eficiência em relação às demais que compõem a análise – com as
obtidas quando todas as unidades sob avaliação são submetidas a um conjunto
comum de pesos. Observações com estimativas de eficiência significativamente
diferentes pelos dois Métodos são consideradas sensíveis à seleção de pesos. Os
autores chamaram a Técnica de “Commom Set of Weights – CSW”.
Verificou-se, também, desenvolvimento nas formas de investigação com a
Análise Envoltória de Dados. Inicialmente, os estudos concentravam-se apenas na
análise estática da eficiência, com o uso de dados do tipo cross-section. Com a
crescente necessidade de analisar as mudanças no tempo da eficiência relativa das
firmas, o Modelo passou a ser aplicado a séries temporais de dados. Exemplo disso
é a divisão do intervalo de tempo sob avaliação em subgrupos compostos por um
número igual de períodos para os quais há dados para todas as observações. Estes
subgrupos diferenciam-se um do outro pelo avanço de um período no tempo, o que
lhes confere uma distribuição semelhante ao de uma medida móvel (sobreposição
temporal parcial). O Modelo DEA é aplicado para cada subgrupo de períodos
englobando todas as observações que nele figuram. Em cada subgrupo a eficiência
de uma observação em particular é confrontada com a das outras observações e
contra a sua própria, já que ela figura em todos os períodos que compõem o
subgrupo de períodos. Charnes et al (1985) aplicaram essa metodologia para o
estudo da evolução da eficiência de pilotos de combate da força aérea americana.
46
Simar e Wilson (1998 e 2000) propuseram um Método geral de aplicação da
Técnica bootstrapping em fronteiras de eficiência não-paramétricas, de forma a se
obter propriedades estatísticas que facilitem a inferência e a interpretação dos
resultados de medidas DEA de eficiência.
Tofalis (2001) oferece um modelo híbrido que combina a DEA com a Técnica
de regressão. Primeiro, identificam-se as unidades DEA eficientes e, em seguida,
estima-se, para elas, uma função de fronteira contínua utilizando-se o Modelo de
máxima correlação. Entre outras vantagens apontadas pelo autor, destacam-se a
eliminação de folgas (slacks) e a obtenção de uma função que admite múltiplos
fatores e produtos.
Gomes, Mello e Lins (2004) estenderam o Modelo DEA para situações em que
ocorrem “ganhos de soma zero”, recomendável, por exemplo, para quando se avalia
a eficiência de um conjunto de unidades produtivas cuja demanda é constante.
Neste caso, a migração de uma firma para a fronteira de eficiência resulta,
necessariamente, no retrocesso da posição relativa das demais.
Edvardsen (2004) desenvolveu um Método para a investigação da sensibilidade
de cada medida de eficiência DEA a erros de medida. Este método fundamenta-se
na remoção sucessiva de cada observação que define o segmento linear da fronteira
de eficiência que serve de alvo para a determinação do desempenho de uma firma
específica. O autor denominou a Técnica de stepladder.
Outro aprimoramento da DEA foi o desenvolvimento do Modelo de eficiência-cruzada
(cross-efficiency), abordagem que procura reduzir distorções, como super ou subavaliação
da eficiência, decorrentes da flexibilidade na escolha de pesos inerente aos modelos
tradicionais de DEA. Neste modelo, a eficiência relativa de cada observação também é
estimada utilizando-se, sucessivamente, os pesos que maximizam a eficiência das demais
47
observações que compõem o conjunto sob análise. Os resultados são dispostos em uma
matriz de eficiência-cruzada, cujos valores da diagonal correspondem à eficiência de cada
observação com os melhores pesos para elas. Os demais valores referem-se às estimativas
de eficiência de cada observação com os pesos das demais (eficiência-cruzada). Uma
observação somente é considerada realmente eficiente se alcançar altos índices de
eficiência-cruzada. Do contrário, é classificada como fracamente eficiente (TALLURI et al,
2005). Discussão mais detalhada sobre o assunto pode ser obtida em Doyle e Green (1994).
Charnes et al (1985) combinaram os Modelos BCC produto-orientado e insumo-
orientado em um único, ao qual chamaram de Modelo aditivo (additive model), que
considera, simultaneamente, as folgas (excesso) no uso de fatores e as folgas
(falhas) na obtenção de produtos.
A Análise Envoltória de Dados tem sido usada na avaliação da análise da
eficiência de inúmeras atividades, entre elas: companhias aéreas, agências de redes
bancárias, rede de restaurantes, hospitais, companhias de distribuição de energia
elétrica, cooperativas, plataformas de petróleo etc. No que tange à agricultura, o seu
uso é variado.
Singh, Fleming e Coelli (2000) aplicaram a DEA e o índice de Fisher para medir
o impacto da liberalização do setor leiteiro, ocorrido na Índia durante a década de
1990, sobre a eficiência econômica e a produtividade total dos fatores de um grupo
de cooperativas de leite.
Lee (2005) estimou a eficiência técnica pura e a eficiência escalar de 97
companhias de reflorestamento e de papel localizadas em diversos países. Apenas
3 companhias foram consideradas eficientes. As da América Latina e do Canadá
obtiveram a maior e a menor média de eficiência técnica, respectivamente. O
48
trabalho concluiu, ainda, que grande parte das companhias analisadas opera em
regiões da fronteira de eficiência de retornos decrescentes à escala.
Ao examinar níveis e tendências de produção e de produtividade agrícola em
93 países, desenvolvidos e em desenvolvimento, Coelli e Rao (2003) utilizaram a
DEA para estimar índices de produtividade de Malquinst e para derivar preços
sombra (shadow prices) e valores de participação (value shares), a eles implícitos.
Pereira et al (2002) analisaram o progresso tecnológico e os ganhos de
produtividade pelo setor agrícola brasileiro entre 1970 e 1996. A análise baseou-se
na obtenção de índices Malquinst de produtividade a partir da estimação pelo
Método DEA da distância de cada unidade da federação em relação à fronteira de
produção. No estudo, a agricultura paranaense figurou como uma das que mais
experimentou progresso tecnológico entre 1970 e 1980.
Utilizando o Modelo DEA para retornos constantes à escala, Vicente (2004)
investigou a eficiência econômica da produção agrícola brasileira a partir dos dados
do censo agropecuário de 1995–96. Os resultados indicaram moderada ineficiência
técnica e elevada ineficiência alocativa e que a produção nacional poderia ter sido
superior em mais de 30%, caso fosse alcançada plena eficiência técnica. São Paulo
foi a única unidade da federação avaliada com 100% de eficiência econômica.
Gomes, Soares de Mello e Biondi Neto (2003) relacionam vários estudos em
que a DEA é aplicada na avaliação de atividades agrícolas, entre elas: a produção
de algodão, nos Estados Unidos, a piscicultura, na China, a suinocultura, no Hawaii,
a horticultura, em Oman, o cooperativismo, no Japão, a pecuária de leite, na
Austrália. Os autores também discutem a integração da Técnica com sistemas de
informação geográfica.
49
Em amplo trabalho de revisão, Tavares (2002) registrou 3.203 artigos que
abordam aplicações e aperfeiçoamentos da DEA, todos publicados entre 1978, ano
de criação do Método, e 2001. O Brasil figurou com 53 trabalhos, o que lhe conferiu
a 16
a
posição mundial, entre os 49 países que constaram da lista. Estados Unidos,
com 1981 publicações, Reino Unido, com 458, e o Canadá, com 193, ocuparam os
primeiros lugares.
Atualmente o mercado dispõe de softwares de programação linear
desenvolvidos especificamente para solucionarem Modelos DEA, com as opções
para retornos constantes de escala (Modelo CCR) e retornos variáveis de escada
(Modelo BCC). Evita-se, com isso, a necessidade de o operador formular tantos
problemas de programação linear quantos forem as observações. Uma vez definidos
e introduzidos os dados concernentes aos fatores de produção (inputs) e aos
produtos (outputs) e escolhida a abordagem que se quer dar à análise (voltada para
a maximização da produção ou minimização do uso dos fatores), a solução é
automática. Exemplos desses softwares são o Frontier Analyst Professional, Onfront
Version 2.2, Warwick – DEA, DEAP Version 2.1 e DEA – Solver. Holliingsworth
(2004) discute as características, vantagens e desvantagens de cada software. Em
geral, tais softwares fornecem informações a respeito das folgas (slacks), indicam os
peers, ou unidades que serviram de referência para a estimativa de eficiência de
cada observação, e apresentam o aumento na produção ou a redução no uso de
fatores necessário para que a firma em questão se torne eficiente.
50
6 MÉTODOS PARAMÉTRICOS DE ESTIMAÇÃO DE FRONTEIRAS E DE
MEDIDAS DE EFICIÊNCIA
Esta seção aborda, de forma resumida, métodos alternativos à investigação
não-paramétrica da eficiência de sistemas produtivos. Nos anos que se seguiram às
idéias pioneiras de Farrell (1957), surgiram duas linhas de investigação paramétrica
da eficiência das firmas: uma determinista e outra estocástica.
A investigação determinista, inicialmente introduzida por Aigner e Chu (1968),
consubstancia-se na especificação de funções de produção, como as do Tipo “Cobb
– Douglas”, cujas curvas “envelopam” as observações, que ficam sobre ou abaixo da
fronteira estimada. O “envelopamento” é assegurado pela imposição de uma
distribuição unilateral aos resíduos (termo erro), “u”, na Equação (2.13), que
assumem valor maior ou igual a zero, de forma a que o produto observado seja
sempre menor ou igual ao máximo postulado pela fronteira (CONCEIÇÃO, 1998).
Nesse caso, a forma de estimação da eficiência técnica de uma dada firma guarda
relação com os conceitos de Farrell (1957), correspondendo à razão entre o produto
observado e o preconizado pela função de fronteira estimada. Apresenta-se, a
seguir, um exemplo de formulação paramétrica determinista:
ln y = ln f (x) – u (2.13)
em que:
y – nível de produção;
f(x) – função de produção (representação da tecnologia);
x – insumos utilizados no processo produtivo;
u - termo erro;
u 0.
A respeito dos Modelos paramétricos determinísticos, Coelli, Rao e Battese
(2001, p. 185) apresentaram algumas considerações, entre elas a seguinte:
51
[...] Uma das críticas primárias ao modelo de fronteira
determinística acima é que nele não é considerada a
possibilidade da influência dos erros de medida e outras
perturbações. Todos os desvios da fronteira são assumidos
serem resultado de ineficiência técnica. Timmer (1971) adotou
a sugestão de Aigner e Chu (1968) de desconsiderar uma
porcentagem da amostra de firmas que se localizam perto da
fronteira, e de reestimar a fronteira usando a amostra
reduzida. A natureza arbitrária de se selecionar uma
porcentagem das observações para serem desconsideradas
tem feito com que a assim chamada “abordagem
probabilística da fronteira” não tenha sido largamente
seguida. Uma abordagem alternativa para a questão do termo
erro tem, entretanto, sido largamente adotada. Trata-se do
método conhecido como abordagem estocástica da fronteira
de produção.
Assim como ocorre com a Técnica DEA, os Métodos paramétricos
deterministas apresentam o inconveniente de produzirem estimativas de eficiência
desprovidas de propriedades estatísticas, como desvio padrão e a razão t, o que
dificulta a inferência para a população dos resultados de uma amostra.
A segunda linha de investigação paramétrica da eficiência das firmas é a
estocástica, introduzida independentemente por Aigner, Lovell e Schmidt (1977) e
por Meeusen e Broeck (1977), citados por Coelli, Rao e Battese (2001) e Conceição
(1998). Os autores subdividiram o termo erro em dois componentes independentes:
um simétrico, “v”, na Equação (2.14), de média zero e desvio-padrão constante, que
representa as variações aleatórias da variável dependente em razão de fatores não
controlados pela unidade produtiva, erros de medida e variáveis não especificadas
na função de produção; e outro componente, assimétrico, “u”, não-negativo, com
distribuição unilateral e que capta os efeitos da ineficiência técnica em relação à
fronteira estocástica. Essa abordagem assume a seguinte formulação:
52
ln y = ln f (x) + v – u (2.14)
em que:
y – nível de produção;
f(x) – função de produção (representação da tecnologia);
x – insumos utilizados no processo produtivo;
v – termo erro de distribuição simétrica (variável estocástica ou aleatória);
u – termo erro de distribuição unilateral;
u 0.
O Modelo (2.14) é chamado de estocástico pelo fato de o produto máximo ser
limitado pela variável estocástica “v”, que pode assumir valores positivos ou
negativos, fazendo com que a fronteira de produção localize-se ao redor de sua
parte determinística (COELLI, RAO, BATTESE, 2001). A vantagem dessa
abordagem é que ela identifica o quanto da ineficiência observada decorre de
oscilações aleatórias dos dados e o quanto provém de ineficiência propriamente dita.
O Modelo tornou possível a obtenção de estimativas da precisão dos estimadores
dos parâmetros da função de fronteira e a realização de testes de hipóteses
(BATESE, COELLI, COLBY, 1989).
Quando a variável aleatória “v” é positiva, a fronteira estocástica excede a
fronteira determinística. Quando “v” possui valor negativo, a fronteira estocástica
localiza-se abaixo da parcela determinística. Em ambos os casos, o termo “u”
representa a ineficiência técnica em relação à fronteira estocástica (CONCEIÇÃO,
1998).
Entre as vantagens dos Modelos paramétricos, destaca-se a facilidade com que
a fronteira tecnológica é representada matematicamente. As desvantagens residem
na dificuldade de incluir na análise vários produtos, na necessidade de suposição
prévia a respeito da forma funcional da tecnologia de produção e da distribuição dos
resíduos, e na grande variação das medidas de eficiência segundo a forma funcional
53
especificada (CONCEIÇÃO, 1998; SAMPAIO DE SOUZA e RAMOS, 1999;
KUDALIGAMA, YAMAGIDA, 2000).
7 EFICIÊNCIA-X
Ao criticar o fato de a teoria microeconômica ter concentrado na alocação de
recursos a abordagem a respeito da eficiência das firmas, Leibenstein (1966) aponta
que os ganhos a serem auferidos pelo aumento da eficiência alocativa são
usualmente pequenos se comparados com os possíveis de serem alcançados pela
melhoria de aspectos não-alocativos. Estes contribuiriam, muitas vezes, para o
aumento significativo na produção, sem exigir alterações no uso dos fatores.
Leibenstein lembra que as diferenças de desempenho entre firmas que utilizam
recursos idênticos, mas que operam em ambientes diversos, seriam explicadas por
questões ligadas ao ambiente externo e interno em que a atividade se desenvolve,
ao cuidado na seleção e no treinamento dos trabalhadores, à qualidade da força de
trabalho, aos incentivos introduzidos nos sistemas produtivos e à natureza do
gerenciamento, entre outros exemplos.
Quanto ao gerenciamento, Leibenstein ressaltou tratar-se de aspecto relevante
para a eficiência das firmas, pois os gerentes determinam não somente suas
próprias produtividades, mas também as das demais unidades que cooperam em
uma organização. Para o autor, a motivação não é menos importante, pois a pressão
competitiva e a presença de adversidades conduzem a esforços no sentido da
redução dos custos e a ausência desses elementos tende a dar lugar a aumentos de
custos. Ambas as constatações reforçam a hipótese de que a relação entre fatores e
produtos não é predeterminada.
54
Em defesa desse entendimento, Leibenstein argumentou que: (a) os contratos
de trabalho são incompletos; (b) nem todos os fatores relevantes são transacionados
no mercado ou, se o são, não estão igualmente disponíveis aos potenciais
compradores, como por exemplo, o conhecimento gerencial — aí incluída a
capacidade de obter financiamento, informações não-disseminadas no mercado e de
conquistar a confiança dos demais agentes do mercado; (c) a função de produção
não é totalmente conhecida pelos produtores; e (d) a interdependência e a incerteza
conduzem firmas competidoras a cooperar tacitamente umas com as outras, pelo
menos em alguns aspectos, e a apresentar algum grau de uso da mesma técnica.
Sem definir com exatidão o conceito e a extensão do conjunto de aspectos
não-alocativos que influenciam a eficiência das firmas, Leibenstein referiu-se a eles
como determinantes do que preferiu chamar de
EFICIÊNCIA
-X (X-efficiency). Entre
as práticas não-alocativas relacionadas à
EFICIÊNCIA
-X, o autor relacionou: a
reorganização do layout, do sistema de vendas e da manipulação do material; melhorias
nos sistemas de orçamento e de registro contábil; alterações nos procedimentos internos
e no método de trabalho; a introdução de pagamentos por resultado (incentivos); o
treinamento de pessoal e a supervisão das atividades. Na visão do autor, os aspectos não-
alocativos constituem um importante componente dos resíduos das análises de regressão.
No âmbito da agricultura, outros fatores parecem ser tão ou mais importantes para
a
EFICIÊNCIA
-X. Entre esses, destacam-se: a distância dos mercados, a disponibilidade
de recursos e infra-estrutura, a escolaridade dos trabalhadores, as condições de solo e
de clima, a assistência técnica e financeira aos produtores, o respeito ao direito de
propriedade e as formas de contrato de trabalho.
Entre outros autores, Stigler (1976) foi um dos que contestou a noção de
EFICIÊNCIA
-X
dizendo que os aspectos a ela associados, inclusive os que se referem às questões
55
motivacionais e à capacidade gerencial, são explicados pela teoria neoclássica. As variações
na produção seriam atribuíveis a fatores específicos mal alocados. Stigler complementou
ressaltando que, do ponto de vista neoclássico, o produtor sempre está sobre uma fronteira de
produção, mas a sua fronteira pode localizar-se acima ou abaixo da dos demais produtores.
Com o desenvolvimento das técnicas de programação linear, Leibenstein e
Maital (1992) enxergaram no Modelo DEA um instrumento para a estimação e a
decomposição da
EFICIÊNCIA
-X em suas possíveis componentes. O interesse dos
autores residiu no fato de o Modelo admitir variáveis ordinais, representativas, por
exemplo, do grau de motivação e da performance do gerenciamento.
56
CAPÍTULO 3
METODOLOGIA E VARIÁVEIS
Os dados desta pesquisa são os dos Censos Agropecuários de 1970, 1980 e do
ano-agrícola 1995–96, por município, relativos ao Estado do Paraná. Cada unidade
de observação (município) é visto como uma unidade produtiva. Com dados
agrupados por município, os resultados obtidos não se referem aos
estabelecimentos rurais e sim ao conjunto do setor agrícola de cada município.
Houve diferenças no período de referência de cada censo agropecuário. Por
registrarem as despesas e receitas da atividade agropecuária municipal entre 1
o
de
janeiro e 31 de dezembro, os censos de 1970 e de 1980 captaram, majoritariamente,
as receitas oriundas da safra instalada no ano anterior e as despesas dos plantios
implementados no período sob referência mas que foram colhidos no ano seguinte.
Já o censo do ano-agrícola 1995–96 abrangeu o interstício entre 1
o
de agosto de
1995 e 31 de julho de 1996, em que as despesas e receitas referiram-se a um
mesmo ciclo agrícola. Tais divergências não são vistas como comprometedoras da
consistência da investigação pois alterações nas áreas de cultivo não ocorrem de
forma intensa entre uma safra e outra.
57
Três foram os procedimentos adotados: (1) estimaram-se funções de produção
do Tipo “Cobb – Douglas”; (2) aplicou-se a Técnica “Análise Envoltória de Dados -
DEA”; e (3) investigou-se a forma funcional que descreve a relação entre índices de
ineficiência (derivados das estimativas de eficiência) e as produtividades da terra
(PIB / terra) e do trabalho (PIB / trabalho).
As funções de produção do Tipo Cobb-Douglas contribuíram para a descrição
da tecnologia de produção da agricultura do Paraná em cada ano censitário e para a
definição das variáveis e do Modelo da Técnica DEA (se de retornos constantes ou
variáveis à escala) utilizados no cômputo das medidas de eficiência.
18
A Técnica
DEA foi aplicada aos dados de cada período censitário para a estimação das
medidas de eficiência da agricultura desenvolvida nos municípios do Estado. A
investigação da relação entre índices de ineficiência e as produtividades da terra e
do trabalho teve por objetivo verificar a coerência das estimativas de eficiência deste
trabalho.
A especificação das funções de produção do Tipo “Cobb – Douglas” é dada
por:
Y= (aD)T
W
K
e
u
em que: (3.1)
Y – PIB agrícola;
D
J
– dummy ao intercepto;
T – terra;
W – trabalho;
K – proxy para capital;
u – termo de perturbação estocástica.
18
A escolha da forma funcional “Cobb-Douglas” deu-se em razão ser largamente usada na análise de
eficiência da produção agrícola em países desenvolvidos e em desenvolvimento (BRAVO-URETA,
PINHEIRO, 1997).
58
A seguir, apresentam-se as definições das variáveis do modelo (3.1) e suas
estatísticas descritivas:
1) Produto – PIB agrícola (nominal): computado pela ótica do valor adicionado, a
preços de mercado, em que se subtrai do valor bruto da produção o valor dos bens
intermediários (os subsídios não foram descontados dos valores estimados para o
PIB agrícola pelo fato de não terem sido encontrados dados com o necessário nível
de detalhamento). O valor dos bens intermediários foi obtido pela diferença entre as
despesas totais e os gastos com salários, juros, impostos indiretos e aluguéis, a
seguir especificados:
– salários: despesas com remuneração em dinheiro e o correspondente em
produtos, assim como as referentes ao valor da cota-parte da produção
entregue a parceiros;
– juros: gastos com juros e despesas bancárias;
– aluguéis: despesas com arrendamento e parceria de terras, aluguel de
máquinas e equipamentos e serviços de empreitada;
– impostos: despesas com impostos e taxas.
Tabela 3.1 – Estatísticas descritivas: variável PIB agrícola
Variável Estatística 1970 1980 1995 – 96
Média
7.375,26 476.128,20 9.154,99
PIB agrícola
Desvio-padrão
7.095,93 443.424,97 8.568,23
(mil unidades
Coef. de variação
0,96 0,93 0,94
monetárias do ano)
Valor máximo
44.384,00 2.920.883,17 60.180,58
Valor mínimo
216,00 2.645,28 64,94
No que se refere a 1970 e 1980, a soma das estimativas municipais de PIB
agrícola deste trabalho divergiu pouco dos valores computados para o Estado pelo
IBGE, que também se baseou nos dados censitários (Tabela 3.2). Comparações
referentes ao ano-agrícola 1995 – 96 não foram possíveis, pois o IBGE apenas
divulgou o PIB agrícola para os anos civis de 1995 e 1996. Entretanto, segundo
59
aquela autarquia, o valor adicionado à economia pela agricultura do Paraná em 1996
a preços de 1995 foi de R$ 3.998 milhões, o que se aproxima do montante
computado por esta dissertação para 1995 – 96, de R$ 3.540 milhões.
Tabela 3.2
– Confronto das estimativas de PIB agrícola
Estimativas de PIB agrícola (b)
Paraná MOEDA IBGE Este trabalho
/
(a) * (b) (a)
1970 Cr$ milhões
2.442 2.428 0,99
1980 Cr$ milhões
143.966
138.763 0,96
1995** R$ milhões 3.322 – –
1995 – 96 R$ milhões – 3.540 –
1996** R$ milhões 5.902 – –
* Fonte: Anuário estatístico do Brasil, de 1992, e
www.ibge.gov.br, dowload de estatísticas.
** Valor adicionado
No Apêndice A, é apresentada a distribuição funcional da renda da agricultura
paranaense. O ranking das estimativas de PIB agrícola municipal encontra-se no
Apêndice B.
2) Fatores:
a) Terra (em ha): definido pela soma das áreas de lavouras
temporárias, lavouras permanentes, pastagens plantadas,
pastagens naturais e de florestas plantadas. Para compensar a
diferença de periodicidade na geração de renda entre lavouras e
pastagens (periodicidade anual) e florestas plantadas (de sete em
sete anos), considerou-se apenas 1/7 da área de florestas
plantadas;
Tabela 3.3 – Estatísticas descritivas: variável terra
Variável
Estatística 1970 1980 1995 – 96
Média
32.538
40.602
32.083
Desvio-padrão
30.382
37.580
26.909
TERRA
Coef. de variação
0,93
0,93
0,84
(ha)
Valor máximo
298.566
328.780
179.791
Valor mínimo
1.710
1.837
229
60
b) Trabalho: dado pelo número de pessoas com idade igual ou superior a
14 anos, ocupadas com serviços ligados à atividade dos
estabelecimentos rurais. Considerou-se a soma de (a descrição de
cada item segue a definição dada pelos censos agropecuários):
– responsáveis e membros não-remunerados da família: produtores ou
administradores responsáveis pela direção dos estabelecimentos
rurais, recebendo quantia fixa ou cota-parte da produção, e os
membros de sua família que ajudam na execução dos trabalhos, sem
receber qualquer tipo de remuneração;
– empregados permanentes: pessoas contratadas para a execução de
tarefas permanentes ou de longa duração, mediante remuneração em
dinheiro ou em quantia fixa em produtos, inclusive os membros de suas
famílias que efetivamente os auxiliam na execução de suas tarefas;
– empregados temporários: pessoas contratadas para a execução de
tarefas eventuais ou de curta duração, mediante remuneração em
dinheiro ou sua equivalência em produtos, inclusive os membros da
família que os auxiliam na execução de suas tarefas. Admitindo-se
que, em média, os empregados temporários trabalhem três meses por
ano, considerou-se, apenas, a quarta parte do número total de
empregados temporários registrados pelos censos;
– parceiros: pessoas diretamente subordinadas ao responsável e que
executam tarefas mediante o recebimento de uma cota-parte da
produção obtida com seu trabalho e o dos familiares que os ajudam na
execução das tarefas.
61
Tabela 3.4 – Estatísticas descritivas: variável trabalho
Variável Estatística 1970
1980
1995 – 96
Média
5.306
4.723
2.813
Desvio-padrão
4.518
4.233
2.487
TRABALHO
Coef. de variação
0,85
0,90
0,88
(n
o
de pessoas)
Valor máximo
27.733
29.987
20.149
Valor mínimo
293
177
22
c) Capital: a partir dos dados censitários foram construídas as variáveis a
seguir definidas:
– consumo de energia: soma dos produtos da multiplicação das quantidades
utilizadas de cada combustível (bagaço de cana-de-açúcar, carvão vegetal,
gás liquefeito de petróleo, gasolina, lenha, óleo diesel, óleo combustível e
querosene) pelo correspondente poder calorífico;
19
– investimentos: soma das inversões em prédios, instalações e benfeitorias,
plantio de culturas permanentes e de matas, aquisições de veículos e outros
meios de transportes novos, aquisições de máquinas e implementos novos.
Não foram computados os valores concernentes a aquisições de terras, de
veículos, de máquinas e implementos usados, pelo fato de representarem
apenas a transferência de propriedade de bens anteriormente já incorporados
ao processo produtivo. Como o censo de 1970 não discrimina entre novos e
usados os investimentos em máquinas e equipamentos, aplicou-se aos dados
daquele ano o mesmo percentual verificado no censo de 1980.
As variáveis “consumo de energia” e “investimentos” apresentaram
redundância no fornecimento de informações. Em razão disso, aplicou-se, a
ambas variáveis, a Técnica dos componentes principais. Dessa forma,
derivaram-se duas outras variáveis, ortogonais, cujos valores, chamados de
62
primeiro e segundo componentes, explicam 100% da variância observada nas
variáveis originais.
20
Tabela 3.5 – Estatísticas descritivas: variáveis energia e investimentos
Variáveis originais
Estatística 1970 1980 1995 – 96
Média
44.290 12.892 18.160
Desvio-padrão
42.141 13.774 21.064
ENERGIA *
Coef. de variação
0,95 1,07 1,16
(milhões de kcal)
Valor máximo
263.715 86.471 181.069
Valor mínimo
1.383 588 93
Média
959 73.290 852
INVESTIMENTOS
Desvio-padrão
1.236 79.831 934
(mil unidades
Coef. de variação
1,29 1,09 1,10
monetárias do ano)
Valor máximo
8.817 658.575 7.003
Valor mínimo
1 337 5
d) Dummies: introduziram-se nas regressões sete variáveis dummies
21
ao
termo intercepto, com o objetivo de verificar a significância, na geração do PIB
agrícola, da regionalização da agropecuária paranaense de 1995 – 96 oferecida por
Cunha e Chilante (2001). As autoras dividiram o Estado em 8 regiões homogêneas
pela aplicação de Técnicas de análise fatorial e de cluster a indicadores extraídos do
censo agropecuário de 1995 – 96 sobre a estrutura fundiária, a capitalização, a
utilização de insumos, o uso da terra, a condição do produtor e o pessoal ocupado.
A região de n
o
8 corresponde à base de comparação (o intercepto de cada
regressão). As dummies foram mantidas nas regressões de 1980 e de 1970 apenas
para não prejudicar o confronto dos resultados das regressões. O Apêndice E
relaciona os municípios do Estado à regionalização de Cunha e Chilante (2001) e
junta o trabalho das autoras.
19
Utilizou-se o poder calorífico (Kcal) de cada combustível publicado em Brasil (2003): Balanço
Energético Nacional, Brasília, 2003, p. 168. Ministério de Minas e Energia - MME.
20
A Técnica dos componentes principais utiliza combinações lineares de variáveis correlacionadas
para derivar variáveis ortogonais (não correlacionadas). Maiores detalhes a respeito podem ser
obtidos em Cella (2002) e em Almeida (2003/2004).
21
As variáveis dummies (também chamadas de binárias ou qualitativas) pressupõem que as funções
de produção das oito regiões em que a agricultura do Paraná foi dividida por Cunha e Chilante
(2001) têm a mesma inclinação e testam se os seus interceptos são diferentes.
63
Optou-se por trabalhar com as variáveis monetárias (PIB agrícola e valor dos
investimentos) em seus valores nominais, para evitar a introdução de algum tipo de
viés, o que prejudicaria as medidas de eficiência a serem estimadas.
Na aplicação da Análise Envoltória de Dados – DEA, adotaram-se as mesmas
variáveis consideradas nas regressões, exceto no que se refere ao capital, que foi
representado pela variável “consumo de energia”. O procedimento deve-se ao fato:
(1) de a DEA não admitir valores negativos, presentes nas variáveis derivadas pela
Técnica dos componentes principais; e (2) de o uso da variável independente “valor
dos investimentos” poder enviesar os resultados, já que há a possibilidade de o seu
montante estar influenciado pelo valor do PIB agrícola (variável dependente).
Em conformidade com os objetivos do trabalho e com o resultado dos testes de
escala realizados para verificar a significância da somatória dos coeficientes de
regressão encontrados nas funções “Cobb-Douglas” (estimadas na forma da
equação 3.1), usou-se o Modelo DEA, a seguir especificado, que tem formulação
voltada para a maximização do produto e que considera retornos constantes à escala:
=
≡
N
n
nknkvu
xvh
1
,
min
sujeito a: (3.2)
1
1
=
=
M
m
mkm
yu
Kkjxvyu
N
n
njn
M
m
mjm
,,,,10
11
=≤−
==
Nnv
Mmu
n
m
,,10
,,10
=>
=
>
64
em que:
k – observação cuja eficiência está sendo estimada;
j – demais observações em relação às quais estima-se a eficiência da
observação k;
m – número de “produtos”;
y
mk
– quantidade de “produto” m gerada pela observação k;
n – número de “fatores”;
x
nk
– quantidade de “fatores” n usada pela observação k;
u
m
– variável peso associada com o “produto” m;
v
n
– variável peso associada com o “fator” n.
Os índices municipais de
EFICIÊNCIA
-X (Ê
i
) estimados para cada período
censitário referem-se, portanto, à relação entre o PIB agrícola observado e o PIB
agrícola potencial, dada a combinação observada dos fatores terra, trabalho e
capital.
22
Esta dissertação adota o conceito de Eficiência-X, de Leibenstin (1966), em
reconhecimento ao fato de que são diversos os fatores que contribuem para a
eficiência das unidades produtivas.
As estimativas de eficiência foram obtidas mediante o uso do software “Frontier
Analyst”, versão 3.2.2 (licença KV0P64-G3-84XI05-BB, de propriedade da
Universidade de Brasília - UnB), que aplicou o modelo antes descrito para cada
observação nos três conjuntos de dados (1970, 1980 e ano-agrícola 1995 – 96). O
software também indicou o produto potencial e as unidades eficientes (peers) que
serviram de parâmetro para a estimação da eficiência de cada observação.
Na estimação de funções de produção do tipo “Cobb – Douglas” e na aplicação
da Análise Envoltória de Dados foram excluídas do conjunto de dados de cada ano
22
Os índices estimados não se referem aos ganhos possíveis de serem obtidos mediante processo
de realocação dos recursos. Refletem, apenas, o quanto de produto pode ser aumentado por meio
da utilização adequada da combinação observada de fatores.
65
investigado as observações com PIB agrícola negativo e as consideradas atípicas
(outliers).
23
Para a identificação dos outliers, aplicou-se a Técnica “Jackstrap”, de Stosic e
Sampaio de Souza (2005). Relativamente a cada período analisado, o uso da
técnica consistiu na obtenção de 2000 subamostras aleatórias do conjunto original
de observações (cada subamostra composta por 10% do número de municípios do
ano em referência) e na estimação do efeito (leverage) das observações. Foram
consideradas outliers as observações com (leverage) superior a dez vezes a média
dos (leverage) de todas observações. A aplicação da Técnica “Jackstrap” baseou-se
no uso de Programa desenvolvido e disponibilizado pelos seus autores. Sobre o
conceito de (leverage), ver seção 4 do Capítulo 2.
23
Municípios com PIB negativo: Inácio Martins, Janiópolis, Presidente Castelo Branco e São Pedro do
Paraná, em 1970, e Curitiba, em 1995-96. Municípios identificados como outliers pela aplicação
técnica “Jackstrap”: Andirá, Bituruna, Quedas do Iguaçu e Telêmaco Borba, em 1970, Capanema,
Inácio Martins, Paula Freitas e Santana do Itararé, em 1980, e Castro, Flórida, Florestópolis,
Itambaracá, Lobato, Miraselva, Nova América da Colina, Nova Aurora e Nossa Senhora das
Graças, em 1995-96.
66
CAPÍTULO 4
RESULTADOS E DISCUSSÃO
1 FUNÇÕES DE PRODUÇÃO
A análise de regressão indicou que, durante os 25 anos abrangidos por este
trabalho, a agricultura paranaense experimentou mudanças que a fizeram evoluir de
um modelo com base no uso intensivo do trabalho para outro fundado no uso da
terra e do capital. A elasticidade-produto do trabalho caiu de 0,737 em 1970, para
0,422 em 1980, e para 0,207 no ano-agrícola 1995 – 96 (Tabela 4.1).
Tabela 4.1 – Funções de produção estimadas (Cobb – Douglas)
VARIÁVEL / 1970 1980 1995 – 96
ESTATÍSTICA
Índice/
Coef.
Estat. t
Índice/
Coef.
Estat. t
Índice/
Coef.
Estat. t
Intercepto
0,577
0,549
5,361
11,919
*
2,856
6,093
*
TERRA
0,197
2,966
* 0,396
8,072
*
0,421
8,266
*
TRABALHO
0,737
6,852
* 0,422
10,060
*
0,207
4,198
*
CAPITAL
. 1
o
Comp. princ.
0,058
0,654
0,210
5,532
*
0,360
8,785
*
. 2
o
Comp. princ.
0,100
2,453
* 0,013
0,655
0,041
1,780
**
Retornos à escala
1,092
–
1,041
–
1,029
–
Dummy 1
-0,248
-1,420
***
-0,085
-0,705
0,049
0,397
Dummy 2
-0,152
-0,881
-0,307
-2,264
*
-0,007
-0,060
Dummy 3
0,363
1,124
0,096
0,484
0,505
2,854
*
Dummy 4
0,057
0,317
0,070
0,574
0,370
2,985
*
Dummy 5
-0,078
-0,331
-0,175
-1,108
0,026
0,147
Dummy 6
0,194
0,664
0,603
2,889
*
0,105
0,392
Dummy 7
-0,339
-1,491
***
-0,715
-4,627
*
-0,227
-1,405
***
67
VARIÁVEL / 1970 1980 1995 – 96
ESTATÍSTICA
Índice/
Coef.
Estat. t
Índice/
Coef.
Estat. t
Índice/
Coef.
Estat. t
R múltiplo
0,866
– 0,935
–
0,904
–
R
2
ajustado
0,740
– 0,868
–
0,811
–
DW
2,166
– 2,082
–
2,018
–
F
73,031
– 171,969
–
141,618
–
* Significativo a 5% (t
c
de 1,960)
** Significativo a 10% (tc de 1,645)
*** Significativo a 20% (tc de 1,282)
Variável dependente (produto): PIB agrícola
Em contrapartida, cresceram a importância relativa da terra e do capital. A
elasticidade produto da terra elevou-se de 0,197 em 1970, para 0,396 em 1980, e
para 0,421 no ano-agrícola 1995 – 96, acompanhando o aumento de sua escassez
relativa. Comportamento análogo, embora menos nítido, foi observado com relação
às duas proxies do capital.
Esses resultados parecem ser coerentes com os avanços tecnológicos
ocorridos no período, como o aumento do uso de insumos poupadores de terra
(entre eles sementes melhoradas, fertilizantes e defensivos agrícolas) e de mão-de-
obra (como a força de trabalho mecânica).
A interpretação da queda da elasticidade produto do trabalho deve considerar
dois aspectos. Primeiro, os dados censitários registram o número de pessoas
“ocupadas” na agricultura e não o número de pessoas “efetivamente empregadas”.
24
Segundo, os coeficientes do trabalho não segregam o efeito positivo decorrente do
aumento do nível de qualificação e de instrução de parte dos trabalhadores rurais e
dos agricultores.
25
24
Nada garante que todas as pessoas ocupadas tenham produtividade marginal positiva, que é a
característica fundamental do emprego efetivo. Como ocupados na agricultura, os dados
censitários incluem os familiares que auxiliam os responsáveis pelos estabelecimentos, os
empregados permanentes, os empregados temporários e os parceiros na execução das tarefas.
25
Segundo o IBGE (2005), a taxa de analfabetismo de pessoas com 15 anos ou mais caiu no
Paraná de 31,2% em 1970, para 20,8% em 1980, e para 11,6% em 1995. Informações
específicas para a área rural não foram encontradas. Um dos fatores que possivelmente
Tabela 4.1 – Funções de produção estimadas (Cobb – Douglas), continuação
68
Referindo-se ao mesmo período coberto por esta dissertação, Freitas e Bacha
(2004) observam que o estoque de capital humano na agropecuária brasileira é tão
baixo que um ano médio de escolaridade a mais tem impactos muito significativos
sobre o valor da produção. Os autores destacam que aumentos no nível educacional
dos trabalhadores e dos produtores rurais permitem não apenas ganhos de
desempenho em um ambiente de tecnologias modernas, mas também uma melhor
percepção do funcionamento dos mercados e das flutuações de preços, o que
aumenta as possibilidades de ganhos.
Os coeficientes das dummies ao intercepto (Tabela 4.1) mostraram que a
regionalização oferecida por Cunha e Chilante (2001) para a agricultura paranaense
de 1995 – 96 apenas apresentou significância para o PIB agrícola nas regiões de n
o
3 e de n
o
4 (dummies 3 e 4, respectivamente). Esse resultado é consistente com a
descrição que as autoras fazem das duas regiões, classificadas, ao lado da região 6,
como as que apresentam agricultura mais moderna. A região de n
o
8 corresponde à
base de comparação, ou seja, ao intercepto das regressões. Quando mantidas nas
regressões relativas aos anos anteriores, apenas foram significativas as dummies
das regiões de n
o
2, n
o
6 e n
o
7, para 1980, descritas, respectivamente, como de
agricultura pouco modernizada e de baixa capitalização, com setor agrícola moderno
e com alta concentração fundiária.
Além de fornecer informações relativas às elasticidades produto dos fatores de
produção, as regressões permitiram testar os retornos à escala da agricultura no
contribuíram para o aumento do grau de qualificação e de instrução dos trabalhadores e
agricultores rurais foi a presença, cada vez mais constante entre eles, de profissionais das
ciências agrárias, além da mão-de-obra especializada na manutenção e na regulagem de
máquinas e implementos.
69
Estado.
26
O teste de escala aceitou a hipótese H
o
(de retornos constantes) e rejeitou
a hipótese alternativa (de retornos variáveis à escala).
O ajuste das regressões aos dados parece satisfatório. Os regressores
apresentaram sinais coerentes com a expectativa teórica e o valor do R
2
também foi
significativo (teste F). As estatísticas Durbin – Watson (DW), próximas a 2, sugerem
não haver problemas de correlação serial. Por fim, a inspeção visual dos dados
sugere a presença de heterocedasticidade, a qual, entretanto, não comprometeu a
significância dos coeficientes.
27
2 MEDIDAS DE EFICIÊNCIA-X
Excluídos os municípios com PIB negativo e os outliers, as amostras
totalizaram 280 observações em 1970, 286 em 1980, e 361 no ano agrícola 1995 –
96. A exclusão dos “outliers” aumentou do número de municípios que definem a
fronteira de eficiência de 1 para 5 em 1970, de 7 para 14 em 1980 e de 2 para 9 em
1995 – 96.
A Tabela 4.2 apresenta a síntese das estimativas de eficiência obtidas pela
aplicação do Método DEA. Em 1970, a média dos índices municipais de eficiência foi
de apenas 0,453, com um desvio-padrão de 0,195. As estimativas para 1980
apresentam melhora substancial. A eficiência média elevou-se para 0,617, com leve
decréscimo no desvio-padrão para 0,194. O aumento dos índices médios é coerente
26
Informação essencial para a definição do modelo DEA a ser usado para se estimar os índices de
eficiência relativa. O teste de escala foi realizado conforme prescrevem Rao e Miller (1971, p. 114).
27
Um dos efeitos da heterocedasticidade é o aumento do desvio-padrão dos coeficientes dos
regressores. Conforme destacam Cribari-Neto e Soares (2003), na presença de
heterocedasticidade, os coeficientes estimados permanecem não-viesados (em média, igualam-se
ao parâmetro verdadeiro) e consistentes (convergem para o parâmetro verdadeiro com o aumento
do número de observações). A correção da heterocedasticidade apenas reduziria a o desvio-
padrão, tornando os coeficientes ainda mais significativos.
70
com as expectativas do estudo, pois o interstício caracterizou-se por intensa
absorção de tecnologias modernas.
Tabela 4.2 – Síntese das medidas de Eficiência-X
Municípios / Estatísticas de Eficiência 1970 1980 1995 – 96
Número total de municípios
288 290 371
N
o
de municípios com PIB negativo
4 –
1
N
o
de outliers identificados:
"Técnica Jackstrap"
4 4 9
N
o
de municípios que integraram a análise
280 286 361
N
o
e % de municípios eficientes (efic. = 1)
5 (1,8%)
14 (4,9%)
9 (2,5%)
N
o
e % de municípios ineficientes (efic. < 1)
275 (98,2%)
272 (95,1%)
352 (97,5%)
Eficiência média
0,453 0,617 0,520
Desvio-padrão
0,195 0,194 0,202
Coeficiente de Variação
0,43 0,31 0,39
Mediana
0,427 0,612 0,491
Moda
0,384 0,617 0,452
Menor índice de eficiência
0,063 0,074 0,099
No ano-agrícola 1995 – 96, o índice médio de eficiência reduziu-se para 0,520,
índice próximo ao verificado 25 anos antes, de 0,453. Neste mesmo ano, o desvio-
padrão elevou-se para 0,202. Esperava-se, para o período, a continuidade do
aumento do índice médio de eficiência e a redução da dispersão em torno dele. A
queda da média dos índices de eficiência entre 1980 e 1995 – 96 com aumento do
desvio-padrão sugere, para o período, aumento as disparidades no que se refere à
eficiência da agricultura do Paraná (não foi feito o Teste de Bartlett de igualdade de
variâncias).
A evolução dos índices entre 1970 e 1995 – 96, aumento do índice médio de
eficiência e aumento do desvio-padrão, sugere que alguns municípios
protagonizaram deslocamentos da fronteira de eficiência (ou tecnológica) sem que
boa parte dos demais tenha acompanhado o movimento com a mesma intensidade.
È possível que resultados melhores sejam observados ao serem incluídos na
análise os dados do próximo censo agropecuário, anunciado pelo IBGE para 2007,
71
em que se farão presentes os efeitos positivos da estabilização dos preços para o
processo alocativo da agricultura e em que aparecerão os resultados de linhas de
crédito, como o PRONAF e o MODERFROTA, criadas em 1995 e em 1999, que vêm
estimulando, por meio de taxas de juros favorecidas, a absorção tecnológica por um
considerável contingente de agricultores familiares e não familiares.
As distribuições de freqüência representadas nas Figuras 4.1, 4.2 e 4.3 indicam
que nos três períodos analisados a agricultura paranaense apresentou um modelo
unimodal. Nota-se que, em 1970, 1980 e 1995 – 96, apenas 5%, 17% e 9% dos
municípios alcançaram, respectivamente, índices de eficiência acima de 81% e que
67%, 32% e 52% deles apresentaram índices abaixo de 51%.
Distribution of scores
0 a 10
11 a 20
21 a 30
31 a 40
41 a 50
51 a 60
61 a 70
71 a 80
81 a 90
91 a 99.9
Eficiente
65
60
55
50
45
40
35
30
25
20
15
10
5
0
7
16
43
62
58
40
23
17
6
3
5
3%
6%
15%
22%
21%
14%
8%
6%
2%
1%
2%
Figura 4.1 - Distribuição de freqüência das estimativas de eficiência da
agricultura do Paraná
para 1970
72
Ao se organizar as estimativas de PIB agrícola municipal por faixa de eficiência,
observa-se que cerca de 83%, 60% e 72% da renda da agricultura do Estado do
Distribution of scores
0 a 10
11 a 20
21 a 30
31 a 40
41 a 50
51 a 60
61 a 70
71 a 80
81 a 90
91 a 99.9
Eficiente
80
75
70
65
60
55
50
45
40
35
30
25
20
15
10
5
0
1
17
34
62
77
56
48
34
16
7
9
5%
9%
17%
21%
16%
13%
10%
4%
2%
3%
Figura 4.3 - Distribuição de freqüência das estimativas de eficiência da agricultura do Paraná
para 1995
-
96
Distribution of scores
0 a 10
11 a 20
21 a 30
31 a 40
41 a 50
51 a 60
61 a 70
71 a 80
81 a 90
91 a 99.9
Eficiente
55
50
45
40
35
30
25
20
15
10
5
0
2
0
12
28
46
53
54
41
27
9
14
5%
3%
9%
14%
19%
19%
16%
10%
4%
1%
Figura 4.2 -
Distribuição de freqüência das estimativas de eficiência da agricultura do Paraná
para 1980
73
Paraná foram gerados com índices de eficiência inferiores a 70% em 1970, 1980 e
em 1995 – 96 e que cerca de 48%, 19% e 36% concentraram-se, nos mesmos anos,
em faixas de eficiência abaixo de 50% (Tabela 4.3).
Tabela 4.3 – PIB agrícola, segundo faixas de eficiência
Faixas
de 1970
1980
1995-96
Eficiência
0,00 – 10,00 0%
0%
0%
10,01 – 20,00 1%
0%
1%
20,01 – 30,00 9%
2%
6%
30,01 – 40,00 15%
6%
12%
40,01 – 50,00 23%
11%
17%
50,01 – 60,00 19%
18%
19%
60,01 – 70,00 15%
23%
17%
70,01 – 80,00 8%
13%
15%
80,01 – 90,00 5%
17%
8%
90,01 – 100,00 4%
10%
6%
Desses dados questiona-se: qual seria o acréscimo potencial na geração de
renda caso os municípios ineficientes migrassem para o nível ótimo de eficiência
relativa? A resposta à pergunta é: mantendo-se a mesma combinação de fatores,
seriam possíveis incrementos de cerca de 122% em 1970, 64% em 1980 e 97% em
1995 – 96.
28
Estes valores derivam das estimativas municipais de eficiência. Por
exemplo, em 1995-96, o PIB agrícola de Guarapuava foi estimado em R$ 49.707 mil
e o índice de eficiência Ê
i
de sua agricultura em 52,16%.
29
Por regra de três simples,
obtêm-se o montante do PIB agrícola potencial do município, R$ 95.298 mil (aquele
que o município porderia gerar caso sua agricultura fosse 100% eficiente).
Repetindo-se o procedimento para todos os municípios, obtém-se o PIB agrícola
potencial do Estado.
28
Os índices DEA de eficiência tomam, por base, a qualidade média, ponderada, dos fatores e dos
produtos. A técnica avalia a eficiência de cada observação atribuindo pesos a seus produtos e
fatores que lhe maximizam o desempenho em relação às demais observações do conjunto em
análise.
29
A página 64 deste trabalho apresenta o conceito do índice de eficiência Ê
i
.
74
Com tamanho hiato de produto, os sistemas produtivos correm o risco de não
gerarem a renda necessária à atualização tecnológica e de, com isso, perpetuarem a
ineficiência que lhes é implícita. As conseqüências da ineficiência não recaem
somente sobre os sistemas produtivos. Toda a sociedade vê-se prejudicada, de
várias formas, entre elas: pela frustração do efeito multiplicador da renda que deixou
de ser gerada no meio rural; pela menor oferta de produtos agrícolas e o seu efeito
sobre os preços; pela maior necessidade de direcionamento de recursos públicos
em socorro dos produtores, em momentos de crises de preços ou de adversidades
climáticas; e pela maior exploração do meio ambiente, já que com melhores índices
de eficiência, menor extensão de terra e menor volume de água seriam
demandados.
A identificação do conjunto de medidas voltadas para o alcance da plena
eficiência requer investigações suplementares. O ponto de partida é oferecido pelos
resultados da própria Análise Envoltória de Dados. Trata-se da comparação das
“práticas produtivas” de cada observação ineficiente com as de seus “peers”,
observações com eficiência relativa igual a 1, ou seja, 100% eficientes, que serviram
de parâmetro para a avaliação da eficiência da observação em questão. Como pode
ser observado no Apêndice C, Guarapuava cuja eficiência em 1995–96 foi de
52,16%, deve confrontar suas práticas produtivas com as adotadas por Cambé, São
Carlos do Ivaí e Telêmaco Borba, seus “peers”. A relação dos índices de eficiência,
dos peers e do PIB agrícola observado e potencial de cada município encontra-se no
Apêndice C.
Mas como salientado na introdução deste trabalho, a eficiência na geração do
PIB agrícola não depende, apenas, dos fatores ou das características intrínsecas
aos sistemas produtivos, como a decisão do que, como e quando produzir. Na
75
análise, devem ser considerados todos os demais aspectos que caracterizam o
ambiente econômico da atividade, em nível microrregional, regional, estadual,
nacional e mesmo internacional, a depender da atividade.
Exemplos de maior destaque referem-se: à adequação da tecnologia e da cesta
de produtos às condições locais e aos preços relativos; ao grau de aversão ao risco
dos agricultores que predominam em cada localidade; às incertezas associadas à
atividade, como as que se referem ao direito de propriedade e ao respeito aos
contratos; à disponibilidade de infra-estrutura de transporte e de comunicações; ao
acesso a financiamentos; ao nível de instrução e de organização dos agricultores e
trabalhadores; à proximidade com fornecedores de insumos e centros consumidores;
à estrutura agrária predominante; às políticas públicas levadas a efeito pelas três
esferas de governo; ao tipo de mercado enfrentado pelos produtores; ao grau de
organização e de integração dos produtores com os mercados de insumos e de
produtos, aspecto de especial relevância no âmbito da agricultura familiar e de
subsistência; e, não menos importante, à presença de inelasticidade na oferta dos
fatores de produção, que leva à exclusão dos mais desprovidos de recursos do
processo de absorção tecnológica.
A remoção de boa parte das restrições que dificultam aumentos mais
generalizados de eficiência parece, em boa medida, depender da coordenação de
ações públicas e privadas voltadas para a finalidade.
3 (IN)EFICIÊNCIA ENTRE MUNICÍPIOS
As Figuras 4.4, 4.5 e 4.6, constantes do final desta subseção, permitem
observar, para 1970, 1980 e 1995-96, a distribuição espacial da agricultura
76
municipal, segundo três faixas de eficiência (no Apêndice D, encontram-se outros
mapas com maior número de faixas de eficiência). Em todos os mapas, os outliers
foram incluídos na faixa superior de eficiência e os municípios que apresentaram PIB
agrícola negativo foram inseridos na faixa inferior.
Comparações intertemporais dos mapas (assim como dos índices municipais
de eficiência deste trabalho) não são possíveis, dado que houve alteração no
número de municípios que compõem o estado e na fronteira tecnológica de cada
ano.
Nos três mapas de início referidos, boa parte dos municípios com eficiência
mais elevada localizam-se próximos à fronteira com São Paulo ou no entorno de
centros mais populosos, como Maringá, Paranavaí, Toledo e Umuarama.
30
A constatação parece encontrar amparo nos fundamentos da hipótese urbano-
industrial de Theodore Schultz citado por (HAYAMI e RUTTAN, 1988). Segundo o
autor, os mercados de produtos e de fatores funcionam mais eficientemente quando
próximos ou no centro do desenvolvimento econômico. Entre os benefícios dessa
proximidade figuram: o acesso mais facilitado a trabalhadores qualificados e aos
mercados necessários à modernização, como os de produtos, de fatores e de
recursos financeiros; assim como o maior fluxo das informações relevantes para um
processo adequado de alocação de recursos. De outro lado, a concentração de
baixos índices de eficiência na região centro-sul do Estado pode estar associada à
maior distância dos centros urbanos.
30
Os municípios nomeados nos mapas correspondem aos que apresentavam, em 1996, população
superior a 70 mil habitantes, segundo o IBGE (São José dos Pinhais e Pinhais foram excluídos por
integrarem a região metropolitana de Curitiba).
77
Já a concentração de elevados índices de eficiência em algumas localidades do
Estado pode estar associada ao predomínio do cultivo de produtos exportáveis e à
presença de agroindústrias.
Externalidades tecnológicas ou pecuniárias também podem explicar as
variações entre municípios dos índices de eficiência, ou parte delas. O entorno de
Toledo, por exemplo, que se notabilizou pela produção de milho, frango e de suínos,
parece ter se beneficiado de externalidades pecuniárias positivas, dada a existência
de cestas complementares de produtos e o conseqüente incremento no fluxo de
bens e de serviços.
Vários outros fatores podem estar associados, em maior ou menor grau, com a
distribuição espacial dos índices de eficiência. Entre eles, pode-se citar: o nível de
instrução e de organização dos produtores e trabalhadores; a existência de conflitos,
como os que se referem ao acesso à terra; a estrutura agrária predominante; a
ocorrência de economias de escala e de escopo; diferenças estruturais (sistemas de
armazenagem, transportes, comunicação etc); e a existência de ativos com elevado
grau de especialização.
78
Figura 4.4 Distribuição da agricultura municipal do Paraná, segundo 3 faixas de eficiência: 1970
79
Figura 4.5 Distribuição da agricultura municipal do Paraná, segundo 3 faixas de eficiência: 1980
80
Figura 4.6 Distribuição da agricultura municipal do Paraná, segundo 3 faixas de eficiência: 1995-96
81
4 DESPERDÍCIO E PRODUTIVIDADE DOS FATORES
Esta seção tem por objetivo aferir a consistência das medidas globais de
eficiência deste trabalho (
EFICIÊNCIA
-X). Para tanto, investigou-se a forma funcional
que descreve a relação entre a ineficiência da agricultura municipal (dada pela
diferença entre a unidade e o índice de eficiência) e duas medidas parciais de
produtividade: produtividade da terra (PIB/terra) e produtividade do trabalho
(PIB/trabalho).
Nos dois casos, o modelo com melhor ajuste foi a função cúbica, adiante
representada, dada por: Y =
1
+
2
X +
3
X
2
+
4
X
3
+ u (em que: Y = índice de
ineficiência; X = produtividade da terra ou produtividade do trabalho, conforme o
caso; e u = termo de perturbação estocástica). Eventuais índices de ineficiência
negativos preditos pelas linhas de ajuste decorrem do uso do modelo clássico de
regressão linear, em que não se impõe restrição alguma à amplitude da variável
dependente:
a) ineficiência e produtividade da terra:
Tabela 4.4 – Relação entre ineficiência e produtividade da terra
ESTATÍSTICA / 1970 1980 1995–96
VARIÁVEL
Índice/
Coef.
Estat.
t
Índice/Coef.
Estat.
t
Índice/
Coef.
Estat.
t
R múltiplo
0,730
– 0,723
–
0,689
–
R
2
ajustado
0,527
– 0,518
–
0,471
–
F
104,673
– 103,016
–
107,744
–
Intercepto
82,284
26,288
*
83,466
15,13
* 82,426
6,093
*
PIB/TERRA
-124,441
-4,495
*
-4,939
-4,46
* -141,807
-4,868
*
(PIB/TERRA)
2
33,326
0,513
0,102
1,733
**
82,546
1,407
***
(PIB/TERRA)
3
11,967
0,323
-0,001
-0,876
-16,947
-0,578
* Significativo a 5% (t
c
de 1,960)
** Significativo a 10% (t
c
de 1,645)
*** Significativo a 20% (t
c
de 1,282)
Variável dependente: índice de ineficiência
82
As linhas de ajuste sugerem que à medida que a produtividade da terra (PIB /
terra) aumenta, verificam-se, inicialmente, decréscimos mais acentuados nos índices
de ineficiência, e, a partir de determinado ponto, reduções menos intensas. Em
outras palavras, o ritmo da queda da ineficiência tende a diminuir com o aumento da
produtividade da terra.
b) ineficiência e produtividade do trabalho:
Tabela 4.5 – Relação entre ineficiência e produtividade do trabalho
ESTATÍSTICA / 1970 1980 1995 – 96
VARIÁVEL
Índice/
Coef.
Estat.
t
Índice/
Coef.
Estat.
t
Índice/
Coef.
Estat.
t
R múltiplo
0,907
– 0,692
–
0,769
–
R
2
ajustado
0,820
– 0,473
–
0,588
–
F
424,382
– 86,221
–
172,171
–
Intercepto
100,653
31,363
*
86,026
17,284
*
89,542
27,967
*
PIB/TRABALHO
-35,713
-6,205
*
-0,65
-6,695
*
-17,141
-8,709
*
(PIB/TRABALHO)
2
1,549
0,509
0,002
3,786
*
1,491
4,675
*
(PIB/TRABALHO)
3
0,353
0,765
0,000
-2,808
*
-0,048
-3,431
*
* Significativo a 5% (t
c
de 1,960)
** Significativo a 10% (t
c
de 1,645)
*** Significativo a 20% (t
c
de 1,282)
Variável dependente: índice de ineficiência
0,00 0,20 0,40 0,60 0,80 1,00 1,20 1,40
PIBTERRA1
0,00000
20,00000
40,00000
60,00000
80,00000
Unstandardized Predicted Value
0,00 10,00 20,00 30,00 40,00 50,00
PIBTERRA1
-20,00000
0,00000
20,00000
40,00000
60,00000
80,00000
Unstandardized Predicted Value
0,00 0,25 0,50 0,75 1,00 1,25 1,50
PIBTERRA1
0,00000
20,00000
40,00000
60,00000
80,00000
Unstandardized Predicted Value
Figura 4.7 - a
Forma Funcional de
1970
Figura 4.7 - b
Forma Funcional de
1980
Figura 4.7 - c
Forma Funcional de
1995-96
V
A
L
O
R
P
R
E
V
I
S
T
O
N
Ã
O
N
O
R
M
A
L
I
Z
A
D
O
V
A
L
O
R
P
R
E
V
I
S
T
O
N
Ã
O
N
O
R
M
A
L
I
Z
A
D
O
V
A
L
O
R
P
R
E
V
I
S
T
O
N
Ã
O
N
O
R
M
A
L
I
Z
A
D
O
83
Embora com trajetória diferente, comportamento semelhante teve a queda da
ineficiência em relação à evolução da produtividade do trabalho (PIB / trabalho).
Pelas linhas de ajuste, com o aumento da produtividade do trabalho, inicialmente os
índices de ineficiência caem com menos intensidade, tendem a estabilizar-se em um
curto intervalo e apresentam queda mais acentuada a partir de determinado ponto.
Os resultados das duas regressões sugerem coerência entre aumentos de
produtividade e redução da ineficiência: ou seja, a medida global de eficiência
apresenta uma relação (não-linear) com as medidas parciais de eficiência.
0,00 1,00 2,00 3,00 4,00 5,00
PIBTRAB1
0,00000
20,00000
40,00000
60,00000
80,00000
100,00000
Unstandardized Predicted Value
0,00 100,00 200,00 300,00 400,00 500,00 600,00
PIBTRAB1
-20,00000
0,00000
20,00000
40,00000
60,00000
80,00000
Unstandardized Predicted Value
0,00 5,00 10,00 15,00 20,00
PIBTRAB1
-50,00000
-25,00000
0,00000
25,00000
50,00000
75,00000
100,00000
Unstandardized Predicted Value
Figura 4.8 - a
Forma Funcional de
1970
Figura 4.8 - b
Forma Funcional de
1980
Figura 4.8 - c
Forma Funcional de
1995-96
V
A
L
O
R
P
R
E
V
I
S
T
O
N
Ã
O
N
O
R
M
A
L
I
Z
A
D
O
V
A
L
O
R
P
R
E
V
I
S
T
O
N
Ã
O
N
O
R
M
A
L
I
Z
A
D
O
V
A
L
O
R
P
R
E
V
I
S
T
O
N
Ã
O
N
O
R
M
A
L
I
Z
A
D
O
84
CAPÍTULO 5
CONCLUSÃO
Esta dissertação estimou a eficiência da agricultura paranaense em 1970,
1980 e no ano-agrícola 1995-96. Cada município foi visto como uma unidade
produtiva que utiliza a terra, o trabalho e o capital para a geração do PIB agrícola.
Os coeficientes das funções de produção do Tipo “Cobb-Douglas” mostraram-se
significativos e indicaram que durante o período analisado a agricultura do estado
operou com retornos constantes à escala, evoluindo de um modelo baseado no
uso intensivo do trabalho para outro em que a terra e o capital são os fatores com
maiores ganhos marginais.
As estimativas de eficiência foram obtidas por meio da aplicação da Técnica
“Análise Envoltória de Dados”, com formulação produto-orientada própria para
retornos constantes. Entre 1970 e 1980, período caracterizado pela oferta
abundante e subsidiada de crédito rural, a média das estimativas municipais de
eficiência relativa elevou-se de 0,453 para 0,617, com pequeno decréscimo do
desvio-padrão de 0,195 para 0,194. Entre 1980 e o ano-agrícola 1995-96,
interstício marcado pelo crédito rural escasso e caro, a média dos índices de
eficiência relativa decresceu para 0,520 e o desvio-padrão aumentou para 0,202,
85
o que sugere para o período aumento das disparidades no que se refere à
eficiência da agricultura do Paraná.
Entretanto, ao se comparar os resultados de 1970 com os referentes a 1995
– 96, observa-se aumento nos índices médios de eficiência, o que confirma a
hipótese de trabalho. Observou-se, entretanto, que o crescimento econômico e
as transformações ocorridas no período não foram suficientes para a redução
das disparidades do Estado em termos da eficiência de sua agricultura
(disparidades essas dadas pelo desvio-padrão das medidas de eficiência). As
disparidades chegaram a apresentar pequeno aumento.
É possível que o período abrangido por este trabalho não tenha sido longo o
suficiente para que as disparidades do estado em termos da eficiência de sua
agricultura se reduzissem. Talvez, essa redução seja observada com a
incorporação na análise dos dados do próximo censo agropecuário, anunciado
pelo IBGE para 2007, em que estarão presentes os efeitos da estabilização dos
preços sobre o processo de alocação de recursos e do aumento relativo da oferta
de financiamentos para investimentos rurais.
Os resultados expressos na Tabela 4.3 revelaram grande desperdício no
uso dos fatores. Nos três períodos investigados, cerca de 60% do PIB agrícola foi
gerado por municípios com índices de eficiência inferiores a 70%. Em 1995-96,
por exemplo, aproximadamente 36% da renda agrícola foi gerada por 184
municípios que apresentaram índices municipais de eficiência que variaram entre
10% e 50%. Caso todos os municípios fossem eficientes, o PIB agrícola do
estado poderia ter sido 122% superior em 1970, 64% em 1980 e 97% no ano-
agrícola 1995-96. Vista a questão sobre outro ângulo, o mesmo nível renda
86
poderia ter sido gerado com um emprego bem menor dos fatores terra, trabalho e
capital.
Este trabalho também indicou os peers, municípios eficientes contra os
quais as práticas produtivas de cada município ineficiente devem ser
comparadas. Entretanto, esse não parece ser o único parâmetro fornecido pela
DEA para a busca de parâmetros para aumentos de eficiência. Comparações
com as práticas de outras observações com índices elevados de desempenho e
que apresentam combinação similar de fatores podem ser úteis.
Os mapas de distribuição espacial dos índices de eficiência sugerem que a
proximidade dos maiores centros urbanos do Paraná e do Estado de São Paulo
teve influência positiva sobre a eficiência da agricultura paranaense.
Vale destacar que as estimativas globais de (in)eficiência guardaram
coerência com a evolução dos índices parciais de produtividade da terra e do
trabalho. Os resultados sugerem que a ineficiência tende a cair, de forma não-
linear, à medida que a produtividade desses fatores aumenta.
Entre as implicações deste trabalho para pesquisas futuras encontra-se a
estimação da eficiência técnica e alocativa da agricultura do Paraná e a
investigação dos aspectos regionais e muncipais que contribuem para elevados
índices de eficiência. Entre estes, sugere-se: a escolaridade da população, a
organização dos agricultores, a infra-estrutura física e de serviços, a distância
dos mercados, a adequação tecnológica às condições locais, os canais de
disseminação do conhecimento, a estrutura agrária, a destinação dos produtos
cultivados (mercado interno ou externo), externalidades tecnológicas e
pecuniárias e a elasticidade da oferta dos fatores. Outra sugestão para trabalhos
87
futuros é investigar a existência de clusters de eficiência, a partir dos resultados
desta dissertação.
A controvérsia que fica evidente da presente investigação é que a mesma
sociedade que luta por uma maior geração de renda, por aumentos de
competitividade de seus produtos e que apresenta carências de toda sorte se
permite enormes desperdícios.
88
REFERÊNCIAS BIBLIOGRÁFICAS
ABRAMOVAY, R. O tortuoso caminho da sustentabilidade: tendências recentes
da agricultura na região Sul. Agenda 21 – Agricultura Sustentável. São Paulo.
janeiro, 1999. Disponível em:
<http://www.econ.fea.usp.br/abramovay/outros_trabalhos/1999/O_tortuoso_
caminho.pdf>. Acesso em: 11 ago. 2005.
AIGNER, D.J.; CHU, S.F. On estimating the industry production function.
American Economic Review, v. 58, n.4, p. 826-839, 1968.
ALLEN, R.; ATHANASSOUPOULOS, A.; DYSON, R.G. E THANASSOULIS, E.
Weights restrictions and Value Judgements in Data Envelopment Analysis:
Evolution, Development and Future Directions. Annals of Operations Research
73, p.13-34, 1997.
ALMEIDA, J.A. Análise em Componentes Principais: Princípios Teóricos e
Exemplo de Aplicação. Apontamentos para a disciplina GTD da LEG, 2003/2004.
Disponível em:< http://193.136.127.75/GTD/ACP.pdf>. Acesso em: 02 set. 2005.
BANKER, R. D.; CHARNES, A; COOPER, W.W. Some models for estimating
technical scale inefficiencies in data envelopment analysis. Management
Science. v. 30, n. 9, p. 1078-1092, 1984.
BANKER, R.D. e MOREY, R.C. Efficiency analysis for exogenously fixed inputs
and outputs. Operations Research 34, n. 4, p. 513-52, 1986-a.
BANKER, R.D. e MOREY, R.C. The use of categorical variables in data
envelopment analysis. Management Science 32, n. 12, p. 1613-1627, 1986-b.
89
BATTESE, G.E.; COELLI, T.J. e COLBY, T.C. Estimation of Frontier Production
Functions and the Efficiencies of Indian Farms Using Panel Data from
ICRISAT’s Village Level Studies. Journal of Quantitative Economics, v. 5, n. 2, July
1989, p. 327-348.
BELTON, V. e VICKERS, S. V. Demystifying DEA – A Visual Interactive approach
Based on Multiple Criteria Analysis. Journal of Operational Research Society, v.
44, n. 9, p. 883-896, 1993.
BRASIL, M.M.E. Balanço Energético Nacional. Ministério de Minas e Energia,
Brasília, 2003, 168 p.
BRAVO-URETA, B.E. e PINHEIRO, A.E. Techinical, Economic and allocative
Efficiency in Peasent farming: Evidence from the Dominican Republic. The
Developing Economies, XXXV-1 (March, 1997): p.48-67.
CELLA, D. Caracterização dos Fatores Relacionados ao Sucesso de um
Empreendedor Rural. Dissertação de Mestrado, Piracicaba, fevereiro de 2002.
CHARNES, A. COOPER, W.W. E RHODES, E. Measuring the Efficiency of
Decision Making Units. European Journal of Operational Research 3, p.429-444.
1978.
CHARNES, A.; COOPER, W.W.; GOLANY, B.; SEIFORD, L.M.; STUTZ, J.
Foundations of data envelopment analysis for Pareto-Koopmans efficient
empirical production functions. Journal of Econometrics, v. 30, p. 91-107. 1985.
COELLI, T.; RAO, D.S.P. e BATTESE, G. E. An Introduction to Efficiency and
Productivity Analysis. Kluwer Academic Publishers, 3
a
edição, Boston: 2001.
COELLI, T. Data Envelopment Analysis Program. Centre for Efficiency and
Productivity Analysis, University of New England, Austrália. Working Paper n. 8,
1996.
COELLI, T.J. e RAO, P D.S.P. Total Factor Productivity Growth in Agriculture: A
Malmquist Index Analysis of 93 Countries, 1980-2000. Centre for Efficiency and
Productivity Analysis. University of Queensland. Austrália, September, 2003.
CONCEIÇÃO, J.C.P.R. Fronteira de Produção Estocástica e Eficiência Técnica
na Agricultura. Escola Superior de Agricultura “Luiz de Queiroz”. Tese de
Doutorado. Piracicaba, 1998.
90
COOPER, W.W.; SEIFORD, L.M. e ZHU, J. Data envelopment Analysis: Models
and Interpretations. Kluwer Academic Publisher, cap. 1, p.1-39, Boston, 2004.
COOPER, W.W.; SEIFORD, L.M. e TONE, K. Data Envelopment Analysis: A
Comprehensive Text with Models, Applications, References and DEA-Solver
Software. Hingham, MA, USA: Kluwer Academic Publishers, 1999.
CRIBARI-NETO, F e SOARES, A.C.N. Inferência em modelos Heterocedásticos.
Revista Brasileira de Economia. v. 57, n. 52, abr./jun., 2003.
CUNHA, A.S. Rural Poverty and Agricultural Modernization in Brazil. Tese de
Doutorado pela Vanderbilt University. Tennessee, agosto de 1978.
CUNHA, M.S. e CHILANTE, C.A.T. Caracterização da Agropecuária Paranaense
na Década de 90. Revista Paranaense de Desenvolvimento, n. 101, jul. / dez. de
2001.
CUNHA, A.S.; MUELLER, C.C.; ALVES, E.R.A. e SILVA J.P. Uma avaliação da
sustentabilidade da agricultura dos cerrados. Estudos de Política Agrícola n. 11.
Brasília: IPEA, 1994. 256p.
DER. Departamento de Estradas e Rodagens do Paraná. Dado encaminhado pela
Instituição, por e-mail, ao autor desta dissertação.
DOYLE, J. e GREEN, R. Efficiency and Cross-efficiency in DEA: Derivations,
Meanings and Uses. Journal of Operatinal Research Society. v. 45, n. 5, p. 567-
578, 1994.
DYSON, R.G. e THANASSOULIS, E. Reducing weight flexibility in data
envelopment analysis. Journal of the Operational Research Society 39, n. 6, p.
563-576, 1988.
EDVARDSEN, D. F. Climbing the Efficiency Stepladder: Robustness of
Efficiency in DEA. Four Essays on the Measurement of Productive Efficiency.
Göteborg University, 2004.
EFRON, B. Bootstrap methods: another look at the jackknife. Annals of
Statistics, v. 7, p. 1-26, 1979.
91
EFRON, B.; TIBSHIRANI, R. An introduction to the Bootstrap. New York:
Chapman and Hall, 1993.
EMROUZNEJAD, A. DEA Tutorial. Disponível em:
<http://www.deazone.com/tutorial/index.htm Warwick Business School, Coventry
CV4 7AL, UK (1995-2001)>. Acesso em: 10 out. 2005.
FARRELL, M.J. The Measurement of Production Efficiency. Journal of the Royal
Statistical Society. Series A, part III, p. 253-281, 1957.
FREITAS, C.A. e BACHA, C.J.C. Contribuição do Capital Humano para o
crescimento da agropecuária brasileira – Período de 1970 e 1996. Revista
Brasileira de Economia, v.58, n. 04, out./dez., 2004.
FORSUND, F. e SARAFOGLOU, N. On the Origins of Data Envelopment
Analysis. University of Oslo. Department of Economics, n
o
24, 2000. Disponível em:
< http://www.oekonomi.uio.no/memo/memopdf/memo2400.pdf>. Acesso em: 15 ago.
2005.
GOCHT, A. e BALCOMBE, K. On the Quality of DEA Estimates. Disponível
em:<http://64.233.161.104/search?q=cache:gOeTzjuTrQJ:www.bw.fal.de/download/d
ea.pdf++%22this+paper+explores+the+reliability+of+data+envelope+%22&hl=pt-
BR>. Acesso em: 26 set. 2005.
GOMES, E.G.; MELLO, J.C.S. e LINS, M.P. Redistribuição de inputs e outputs
em Modelos de Análise Envoltória de Dados com ganhos de soma Zero.
Pesquisa Operacional vol.24, Rio de Janeiro, maio/ago., 2004.
GOMES, E.G.; SOARES DE MELLO, J.C.C.S. e BIONDI NETO, L. Avaliação da
Eficiência por Análise Envoltória de Dados: Conceitos, Aplicações à
Agricultura e Integração com sistemas de Informação Geográfica. Embrapa
Monitoramento por Satélite, São Paulo, Campinas, ago., 2003, 39p.
HAYAMI, Y e RUTTAN, V.W. Desenvolvimento Agrícola: Teoria e Experiências
Internacionais. EMBRAPA, 1988.
HOLLINGSWORTH, B. Non Parametric Efficiency Measurement. The Economic
Journal, 114 (June), F307-f311. Royal Economic Society, 2004.
92
Instituto Brasileiro de Geografia e Estatística. Anuário Estatístico do Brasil – 1992,
seção 7, p. 1041-1044.
______. Disponível em: <http://www.ibge.gov.br>. Acesso em: 23/12/2005, no ícone
destinado a download de estatísticas / contas regionais, 2003.
______. Taxa de analfabetismo das pessoas de 15 anos ou mais, por sexo,
segundo grandes regiões e unidades da federação. Disponível em:
<http://www.ibge.gov.br/home/estatística/populacao/censo2000/tendenciasdemografi
cas/tabela 04.pdf>. Acesso em: 29 dez. 2005.
KASSAI, S. Utilização da Análise por Envoltória de Dados (DEA) na análise de
Demonstrações Contábeis. Tese de Doutorado. Universidade de São Paulo. 2002.
KUDALIGAMA, V.P. e YAMAGIDA, J.F. A Comparison of Intercountry
Agricultural Production Functions: A Frontier Function Approach. Journal of
Economic Development. v.25, n.1, jun. 2000.
LEE, J.Y. Using DEA to measure efficiency in forest and paper companies.
Forest Products Journal, jan/2005; 55, 1; Academic Research Library, p. 58.
LEIBENSTEIN, H. Allocative Efficiency vs. ‘X-Efficiency’, American Economic
Review, June 1966, 56, p. 392-415.
LEIBENSTEIN, H. e MAITAL, S. Empirical Estimation and Partioning of X-
Inefficiency: A Data-Envelopment Approach. The American Economic Review,
May 1992; 82, 2; Academic Research Library, p. 428
MANOEL, A. Política Agrícola, Eficiência e Concentração na Agricultura
Brasileira: um estudo do setor canavieiro paulista. São Paulo, IPE/USP, 1986.
NÓBREGA, M. F. Desafios da Política Agrícola. Editora Jornalística. Gazeta
Mercantil e Conselho Nacional de Desenvolvimento Científico e Tecnológico. Rio de
Janeiro, 1985.
OCEPAR. Organização das Cooperativas do Estado do Paraná. Dado recebido da
entidade, por e-mail, mediante solicitação do autor desta dissertação.
93
PAIVA, R.M. Modernização e dualismo tecnológico na agricultura. Pesquisa e
Planejamento. v. 1, dez. 1971, n. 2.
PEREIRA, F.P.; SILVEIRA, J.S.T.; LANZER, E.A.; SAMOHYL, R.W. Productivity
Growth and Technological Progress in the Brazilian Agriculture Sector.
Pesquisa Operacioal, v. 22, n.2, p.133-146, julho a dezembro de 2002.
RAO, P.; MILLER, R.L. Applied Econometrics. University of Washington, 1971.
ROLL, Y.; COOK, W.D. E GOLANY, B. Controlling factor weights in data
envelopment analysis. IIE Transactions, 23, p. 2-9, 1991.
ROLL, Y. e GOLANY, B. Alternate Methods of Treating Factor Weights in DEA.
International Journal of Manegenment Science, v. 21, n. 1, p. 99 -109, 1993.
SAMPAIO DE SOUZA, M.S. e RAMOS, F.S. Eficiência técnica e retornos de
escala na produção de serviços públicos municipais: o caso do Nordeste e do
sudeste brasileiros. Revista Brasileira de Economia, 1999, v. 53 n. 4, out./dez.
SIMAR, L. e WILSON, P.W. Sensitiity abalysis of Efficiency Scores: How to
Bootstrap in Nonparamentric Frontier Models. Management Science/v. 44, n. 1,
January 1998.
SIMAR, L. e WILSON, P.W. A general methodology for bootstrapping in non-
parametric frontier models. Journal of Applied Statistics, August 2000, 27,6;
Academic Research Library, p. 779.
SINGH, S.; FLEMING, E. E COELLI, T. Efficiency and productivity analysis of
cooperative dairy plants in Haryana and Punjab states of India. University of
New England. Working Paper Series in Agricultural and Resource Economics., n.
200-2, February 2000.
SOUZA, Daniel Pacífico Homem de. Avaliação de Métodos Paramétricos e não
Paramétricos na Análise da Eficiência da Produção de Leite. Piracicaba, 2003.
136p. Tese de Doutorado.
STIGLER, G.J. The Xistence of X-Efficiency. The American Economic Review, v.
66, n. 1, 1976.
94
STOSIC, B. Análise Envoltória de Dados (Data Envelopment Abalysis – DEA).
Notas de Aula. Recife 2005. Mimeo.
STOSIC, B.D. e SAMPAIO de SOUZA, M.C. Technical Efficiency of the Brazilian
Municipalities: Correcting Nonparametric Frontier Measurements for Outliers.
Journal of Productivity Analysis, 24, p.157–181, 2005.
TALLURI, S. Data Envelopment Analysis: Models and Extensions. Silberman
College of Business Administration, Fairleigh Dickinson University. Disponível em:
<www.decisionsciences.org/DecisionLine/Vol31/313/313pom.pdf>.
Acesso em: 25 set. 2005.
TAVARES, G. A Bibliography of Data Envelopment Analysis (1978-2001). Rutcor
Research Report 01-02, January, 2002, USA.
TIMMER, C. P. Using a Probabilistic Frontier Function to Measure Technical
Efficiency. Journal of Political Economy, 79, p.776-794, 1971.
THOMPSON, R.G., SINGLETON, F.D.JR., THRALL, R.M. e SMITH, B.A.
Comparative site evaluation for locating a high-energy physics lab in Texas.
Interfaces 16, p.35-49, 1986.
TOFALLIS, C. Combining two approaches to efficiency assessment. Journal of
the Operational Research Society, 2001, 52, p.1225-1231.
VEIGA, J. et al. Agricultura Sustentável. Disponível em:
<http://www.atech.br/agenda21.as/equipe.htm>. Acesso em: 11 ago. 2005.
VICENTE, J.R. Economic Efficiency of Agricultural Production In Brazil. Revista
de Economia e Sociologia Rural, v. 42, n. 02, p.201-222, abr./jun. de 2004.
VILELA, D.; BRESSAN, M., CUNHA, A.S. Cadeia de lácteos no Brasil: restrições
ao seu desenvolvimento. Brasília: MCT/CNPq, Juiz de Fora: Embrapa Gado de
Leite, 2001. 484 p.
WONG, Y.-H.B. and BEASLEY, J.E. Restricting weight flexibility in data
envelopment analysis. Journal of the Operational Research Society 41, p.829-835,
1990.
95
APÊNDICE A – DISTRIBUIÇÃO FUNCIONAL DA RENDA
A metodologia empregada na estimação do PIB agrícola permitiu observar que
a despeito de todas as transformações tecnológicas por que passou a agricultura
paranaense, em especial no que se refere à substituição do fator trabalho pelo
capital, a estrutura da apropriação da renda nela gerada pouco se alterou entre 1970
e 1995–96 (Tabela A.1):
Tabela A.1 – Distribuição funcional da renda
PARANÁ Distribuição funcional da renda (%)
Salários Aluguéis Juros
Impostos LB *
1970
12,3%
12,6%
2,1%
1,7%
71,2%
1980
11,9%
6,1%
5,2%
2,5%
74,3%
1995 – 96
12,4%
6,3%
2,5%
2,2%
76,6%
Fonte: o autor, com base nos dados dos Censos Agropec. de 1970, 1980 e 1995–96.
* LB = Lucro bruto (valor da produção – despesas totais)
Os percentuais do PIB agrícola destinados ao pagamento de salários, de
impostos indiretos e de juros permaneceram nos patamares de 12%, 2% e de 2%
respectivamente, com um pico de 5% em 1980 no caso dos juros. A parcela da
renda gerada na agricultura apropriada pelos produtores rurais (LB = lucro bruto)
apresentou aumento moderado: elevou-se de 71,2% para 76,6%, entre 1970 e o ano
agrícola 1995–96. A constatação deve ser vista com reserva, pois os acréscimos na
renda bruta podem não ter compensado as despesas com depreciação decorrentes
do acúmulo de capital ocorrido no período.
De outro lado, a participação no PIB agrícola das propriedades com menos de
10 ha decresceu de 23,8%, em 1970, para 12,6%, em 1995–96, e simultâneo
acréscimo de na participação das propriedades com área entre 100 e 1.000 ha, o
que corrobora o caráter assimétrico do desenvolvimento discutido na introdução
deste trabalho (Tabela A.2):
Tabela A.2 – Participação no PIB agrícola dos grupos de área total
Grupos de Área Total 1970 1980 1995 – 96
Menos de 10 ha
23,8% 14,3% 12,6%
De 10 a menos de 100 ha
45,2% 48,7% 43,5%
De 100 a menos de 1.000 ha
20,4% 27,6% 32,8%
De 1.000 a menos de 10.000 ha
5,2% 8,5% 9,8%
De 10.000 e mais
5,0% 0,8% 1,2%
Fonte: o autor, com base nos dados dos Censos Agropec. de 1970, 1980 e 1995–
96.
96
Tanto no que respeita à distribuição funcional da renda quanto à participação
na formação do PIB agrícola dos diversos estratos de tamanho de propriedade, é
possível que alterações mais significativas sejam observadas ao se desagregar ou
organizar os dados por regiões, pela condição do produtor (proprietário,
arrendatário, parceiro e ocupante) e por tipo de cultura, entre outras opções.
Interessante seria, por exemplo, examinar se houve alteração significativa na
estrutura da distribuição da renda gerada no âmbito da agricultura familiar,
especialmente no que refere à parcela destinada ao pagamento de salários e de
aluguéis. Fica aqui a sugestão nesse sentido.
97
APÊNDICE B – PIB AGRÍCOLA MUNICIPAL
As tabelas a seguir relacionam, em ordem alfabética e em ordem decrescente,
as estimativas deste trabalho do PIB agrícola dos municípios paranaenses (valores
nominais). Comparações intertemporais devem levar em conta que vários municípios
foram desmembrados para a criação de outros.
31
Umuarama, por exemplo, que
figura na terceira colocação, em 1970, e na sexta, em 1980, deu origem, entre 1980
e 1995, a 2 outros municípios, Ivaté e Vila Rica
32
, caindo para a trigésima segunda
colocação no ano agrícola 1995–96.
Tabela B.1
– Ranking do PIB agrícola municipal – 1970
MUNICÍPIOS
(ranking de 1970)
PIB
Agrícola
Classi-
ficação
MUNICÍPIOS
(ranking de 1970)
PIB
Agrícola
Classi-
ficação
Abatiá 7.180 104º Toledo 44.384 1º
Adrianópolis 3.444 188º Marechal Cândido Rondon 39.558 2º
Agudos do Sul 1.698 254º Umuarama 35.043 3º
Almirante Tamandaré 2.382 222º Guarapuava 34.862 4º
Alto Paraná 1.757 252º Cascavel 33.331 5º
Alto Piquiri 18.331 19º Campo Mourão 32.210 6º
Altônia 11.665 49º Londrina 30.777 7º
Alvorada do Sul 10.171 64º Assis Chateaubriand 30.274 8º
Amaporã 2.173 233º Goioerê 29.640 9º
Ampére 6.553 115º Palotina 28.592 10º
Antonina 691 273º Castro 25.213 11º
Antônio Olinto 2.169 234º São João do Ivaí 25.025 12º
Apucarana 7.815 86º Ivaiporã 23.881 13º
Arapongas 3.248 194º Iporã 23.367 14º
Arapoti 6.403 119º Pitanga 20.826 15º
Araruna 5.205 145º Bandeirantes 20.455 16º
Araucária 10.456 60º Laranjeiras do Sul 20.223 17º
Assaí 12.223 46º Medianeira 19.224 18º
Assis Chateaubriand 30.274 8º Alto Piquiri 18.331 19º
Astorga 4.766 151º Corbélia 18.046 20º
Atalaia 466 278º Barbosa Ferraz 17.685 21º
Balsa Nova 1.381 261º Ubiratã 17.350 22º
Bandeirantes 20.455 16º Santo Antônio da Platina 17.291 23º
Barbosa Ferraz 17.685 21º Congonhinhas 16.449 24º
Barra do Jacaré 6.661 113º São Mateus do Sul 15.747 25º
Barracão 7.030 105º Guaraniaçu 15.202 26º
Bela Vista do Paraíso 5.866 127º Dois Vizinhos 15.141 27º
Boa Esperança 4.712 152º Francisco Beltrão 14.922 28º
Bocaiúva do Sul 3.995 168º Santa Helena 14.791 29º
31
Por esse motivo, não foi possível aplicar o teste de Spearman de correlação de ordem para verificar
a intensidade de alterações no ranking entre 1970 e 1980 e entre 1980 e 1995-96.
32
Informações a respeito de áreas mínimas comparáveis e dos desmembramentos de municípios podem ser
encontradas nos seguintes sítios eletrônicos: <http://www.ipeadata.gov.br/ipeaweb.dll/Dicionario.htm>. e
<http://www.paranacidade.org.br/municipios/select_municipios.php>.
98
MUNICÍPIOS
(ranking de 1970)
PIB
Agrícola
Classi-
ficação
MUNICÍPIOS
(ranking de 1970)
PIB
Agrícola
Classi-
ficação
Bom Sucesso 1.970 242º Rondon 14.451 30º
Borrazópolis 8.972 75º Marialva 14.288 31º
Cafeara 1.774 250º Terra Roxa 14.190 32º
Califórnia 3.190 197º Cambará 14.111 33º
Cambará 14.111 33º Ponta Grossa 13.915 34º
Cambé 5.513 135º Mamborê 13.804 35º
Cambira 5.108 146º Sertaneja 13.709 36º
Campina da Lagoa 8.336 79º Maria Helena 13.562 37º
Campina Grande do Sul 1.425 260º Maringá 13.224 38º
Campo do Tenente 1.002 270º Engenheiro Beltrão 13.046 39º
Campo Largo 4.815 148º Santo Antônio do Sudoeste 13.007 40º
Campo Mourão 32.210 6º Ortigueira 12.984 41º
Cândido de Abreu 5.543 133º Chopinzinho 12.934 42º
Capanema 11.291 52º Palmital 12.750 43º
Capitão Leônidas Marques 8.758 77º Jacarezinho 12.461 44º
Carlópolis 6.002 124º São Miguel do Iguaçu 12.406 45º
Cascavel 33.331 5º Assaí 12.223 46º
Castro 25.213 11º Salto do Lontra 11.826 47º
Catanduvas 9.872 65º Jardim Alegre 11.762 48º
Centenário do Sul 7.270 102º Altônia 11.665 49º
Cerro Azul 6.960 106º Mariluz 11.354 50º
Céu Azul 9.678 68º Faxinal 11.314 51º
Chopinzinho 12.934 42º Capanema 11.291 52º
Cianorte 7.361 99º Coronel Vivida 11.289 53º
Cidade Gaúcha 3.517 184º Matelândia 11.144 54º
Clevelândia 2.910 204º Prudentópolis 11.125 55º
Colombo 3.804 175º Formosa do Oeste 11.112 56º
Colorado 8.803 76º Pato Branco 10.817 57º
Congonhinhas 16.449 24º Sertanópolis 10.760 58º
Conselheiro Mairinck 3.268 193º Primeiro de Maio 10.547 59º
Contenda 5.211 143º Araucária 10.456 60º
Corbélia 18.046 20º Planalto 10.264 61º
Cornélio Procópio 9.042 73º Nova Cantu 10.258 62º
Coronel Vivida 11.289 53º Nova Aurora 10.257 63º
Cruz Machado 7.669 90º Alvorada do Sul 10.171 64º
Cruzeiro do Oeste 7.528 95º Catanduvas 9.872 65º
Cruzeiro do Sul 2.516 214º Itambaracá 9.799 66º
Curitiba 5.780 128º Grandes Rios 9.781 67º
Curiúva 2.908 205º Céu Azul 9.678 68º
Diamante do Norte 1.922 246º Querência do Norte 9.573 69º
Dois Vizinhos 15.141 27º Mangueirinha 9.572 70º
Doutor Camargo 3.488 185º Santa Mariana 9.371 71º
Enéas Marques 6.873 108º Guaíra 9.227 72º
Engenheiro Beltrão 13.046 39º Cornélio Procópio 9.042 73º
Faxinal 11.314 51º Tibagi 9.032 74º
Fênix 6.474 117º Borrazópolis 8.972 75º
Floraí 2.863 206º Colorado 8.803 76º
Floresta 4.777 150º Capitão Leônidas Marques 8.758 77º
Florestópolis 2.369 223º Lapa 8.608 78º
Flórida 1.071 269º Campina da Lagoa 8.336 79º
Formosa do Oeste 11.112 56º Pérola 8.185 80º
Foz do Iguaçu 7.648 91º São Jerônimo da Serra 8.115 81º
Francisco Beltrão 14.922 28º São João 8.115 82º
Tabela B.1
– Ranking do PIB agrícola municipal – 1970, continuação
99
MUNICÍPIOS
(ranking de 1970)
PIB
Agrícola
Classi-
ficação
MUNICÍPIOS
(ranking de 1970)
PIB
Agrícola
Classi-
ficação
General Carneiro 606 275º Ibaiti 7.979 83º
Goioerê 29.640 9º Marmeleiro 7.910 84º
Grandes Rios 9.781 67º Pérola d'Oeste 7.822 85º
Guaíra 9.227 72º Apucarana 7.815 86º
Guairaçá 2.353 224º Quinta do Sol 7.789 87º
Guapirama 3.083 201º Pinhão 7.765 88º
Guaporema 2.457 219º Verê 7.748 89º
Guaraci 2.397 221º Cruz Machado 7.669 90º
Guaraniaçu 15.202 26º Foz do Iguaçu 7.648 91º
Guarapuava 34.862 4º Irati 7.628 92º
Guaraqueçaba 1.085 267º Palmeira 7.614 93º
Guaratuba 1.083 268º Itapejara d'Oeste 7.549 94º
Ibaiti 7.979 83º Cruzeiro do Oeste 7.528 95º
Ibiporã 4.601 153º Tomazina 7.464 96º
Icaraíma 6.726 111º Realeza 7.447 97º
Iguaraçu 2.081 237º Imbituva 7.441 98º
Imbituva 7.441 98º Cianorte 7.361 99º
Inajá 1.774 251º São Pedro do Ivaí 7.342 100º
Indianópolis 2.264 229º Reserva 7.288 101º
Ipiranga 4.071 167º Centenário do Sul 7.270 102º
Iporã 23.367 14º Porecatu 7.237 103º
Irati 7.628 92º Abatiá 7.180 104º
Iretama 6.357 120º Barracão 7.030 105º
Itaguajé 3.635 181º Cerro Azul 6.960 106º
Itambaracá 9.799 66º São Jorge do Ivaí 6.915 107º
Itambé 5.287 140º Enéas Marques 6.873 108º
Itapejara d'Oeste 7.549 94º Leópolis 6.785 109º
Itaúna do Sul 632 274º Marilândia do Sul 6.763 110º
Ivaí 5.228 142º Icaraíma 6.726 111º
Ivaiporã 23.881 13º Teixeira Soares 6.683 112º
Ivatuba 2.335 226º Barra do Jacaré 6.661 113º
Jaboti 2.032 240º Moreira Sales 6.640 114º
Jacarezinho 12.461 44º Ampére 6.553 115º
Jaguapitã 4.526 155º Salgado Filho 6.513 116º
Jaguariaíva 3.745 176º Fênix 6.474 117º
Jandaia do Sul 3.214 195º Peabiru 6.448 118º
Japira 2.508 215º Arapoti 6.403 119º
Japurá 2.731 207º Iretama 6.357 120º
Jardim Alegre 11.762 48º Tapira 6.191 121º
Jardim Olinda 2.040 239º Wenceslau Braz 6.061 122º
Jataizinho 3.475 186º Paranacity 6.024 123º
Joaquim Távora 4.319 160º Carlópolis 6.002 124º
Jundiaí do Sul 4.147 166º Uraí 5.994 125º
Jussara 4.465 158º São Jorge d'Oeste 5.979 126º
Kaloré 4.852 147º Bela Vista do Paraíso 5.866 127º
Lapa 8.608 78º Curitiba 5.780 128º
Laranjeiras do Sul 20.223 17º União da Vitória 5.747 129º
Leópolis 6.785 109º Manoel Ribas 5.711 130º
Loanda 3.468 187º Tuneiras do Oeste 5.596 131º
Lobato 2.934 203º Paranavaí 5.595 132º
Londrina 30.777 7º Cândido de Abreu 5.543 133º
Lupionópolis 1.373 262º Vitorino 5.532 134º
Mallet 3.700 178º Cambé 5.513 135º
Tabela B.1
–
Ranking do PIB agrícola municipal
–
1970, continuação
100
MUNICÍPIOS
(ranking de 1970)
PIB
Agrícola
Classi-
ficação
MUNICÍPIOS
(ranking de 1970)
PIB
Agrícola
Classi-
ficação
Mamborê 13.804 35º Paiçandu 5.490 136º
Mandaguaçu 999 271º Xambrê 5.459 137º
Mandaguari 5.274 141º Ribeirão Claro 5.447 138º
Mandirituba 3.374 189º Santa Isabel do Ivaí 5.313 139º
Mangueirinha 9.572 70º Itambé 5.287 140º
Manoel Ribas 5.711 130º Mandaguari 5.274 141º
Marechal Cândido Rondon 39.558 2º Ivaí 5.228 142º
Maria Helena 13.562 37º Contenda 5.211 143º
Marialva 14.288 31º Siqueira Campos 5.208 144º
Marilândia do Sul 6.763 110º Araruna 5.205 145º
Marilena 2.218 232º Cambira 5.108 146º
Mariluz 11.354 50º Kaloré 4.852 147º
Maringá 13.224 38º Campo Largo 4.815 148º
Mariópolis 3.276 191º Roncador 4.809 149º
Marmeleiro 7.910 84º Floresta 4.777 150º
Marumbi 2.966 202º Astorga 4.766 151º
Matelândia 11.144 54º Boa Esperança 4.712 152º
Matinhos 1.179 264º Ibiporã 4.601 153º
Medianeira 19.224 18º Santa Izabel do Oeste 4.529 154º
Mirador 1.748 253º Jaguapitã 4.526 155º
Miraselva 1.828 249º Santo Inácio 4.507 156º
Moreira Sales 6.640 114º Rancho Alegre 4.499 157º
Morretes 2.712 208º Jussara 4.465 158º
Munhoz de Melo 1.149 266º Ribeirão do Pinhal 4.450 159º
Nossa Senhora das Graças 3.869 172º Joaquim Távora 4.319 160º
Nova Aliança do Ivaí 1.832 248º Quitandinha 4.293 161º
Nova América da Colina 1.944 244º Rio Branco do Sul 4.293 162º
Nova Aurora 10.257 63º São Sebastião da Amoreira 4.272 163º
Nova Cantu 10.258 62º Santa Cecília do Pavão 4.163 164º
Nova Esperança 1.164 265º Santa Amélia 4.160 165º
Nova Fátima 2.620 211º Jundiaí do Sul 4.147 166º
Nova Londrina 2.468 218º Ipiranga 4.071 167º
Nova Olímpia 1.943 245º Bocaiúva do Sul 3.995 168º
Ortigueira 12.984 41º Paraíso do Norte 3.935 169º
Ourizona 2.223 231º Rio Bom 3.902 170º
Paiçandu 5.490 136º Palmas 3.884 171º
Palmas 3.884 171º Nossa Senhora das Graças 3.869 172º
Palmeira 7.614 93º Piraí do Sul 3.849 173º
Palmital 12.750 43º Rolândia 3.822 174º
Palotina 28.592 10º Colombo 3.804 175º
Paraíso do Norte 3.935 169º Jaguariaíva 3.745 176º
Paranacity 6.024 123º São João do Triunfo 3.721 177º
Paranaguá 1.604 255º Mallet 3.700 178º
Paranapoema 1.522 257º Santana do Itararé 3.653 179º
Paranavaí 5.595 132º Santo Antônio do Paraíso 3.639 180º
Pato Branco 10.817 57º Itaguajé 3.635 181º
Paula Freitas 2.492 217º Sengés 3.559 182º
Paulo Frontin 1.203 263º Terra Rica 3.532 183º
Peabiru 6.448 118º Cidade Gaúcha 3.517 184º
Pérola 8.185 80º Doutor Camargo 3.488 185º
Pérola d'Oeste 7.822 85º Jataizinho 3.475 186º
Piên 3.159 199º Loanda 3.468 187º
Pinhalão 2.146 235º Adrianópolis 3.444 188º
Tabela B.1
– Ranking do PIB agrícola municipal – 1970, continuação
101
MUNICÍPIOS
(ranking de 1970)
PIB
Agrícola
Classi-
ficação
MUNICÍPIOS
(ranking de 1970)
PIB
Agrícola
Classi-
ficação
Pinhão 7.765 88º Mandirituba 3.374 189º
Piraí do Sul 3.849 173º Rebouças 3.289 190º
Piraquara 1.487 258º Mariópolis 3.276 191º
Pitanga 20.826 15º Renascença 3.270 192º
Planaltina do Paraná 2.351 225º Conselheiro Mairinck 3.268 193º
Planalto 10.264 61º Arapongas 3.248 194º
Ponta Grossa 13.915 34º Jandaia do Sul 3.214 195º
Porecatu 7.237 103º Sapopema 3.201 196º
Porto Amazonas 486 277º Califórnia 3.190 197º
Porto Rico 1.954 243º Rio Negro 3.186 198º
Porto Vitória 1.428 259º Piên 3.159 199º
Primeiro de Maio 10.547 59º São José da Boa Vista 3.112 200º
Prudentópolis 11.125 55º Guapirama 3.083 201º
Quatiguá 2.300 228º Marumbi 2.966 202º
Quatro Barras 216 280º Lobato 2.934 203º
Querência do Norte 9.573 69º Clevelândia 2.910 204º
Quinta do Sol 7.789 87º Curiúva 2.908 205º
Quitandinha 4.293 161º Floraí 2.863 206º
Rancho Alegre 4.499 157º Japurá 2.731 207º
Realeza 7.447 97º Morretes 2.712 208º
Rebouças 3.289 190º São Carlos do Ivaí 2.665 209º
Renascença 3.270 192º Tapejara 2.655 210º
Reserva 7.288 101º Nova Fátima 2.620 211º
Ribeirão Claro 5.447 138º Salto do Itararé 2.600 212º
Ribeirão do Pinhal 4.450 159º Santa Fé 2.581 213º
Rio Azul 2.022 241º Cruzeiro do Sul 2.516 214º
Rio Bom 3.902 170º Japira 2.508 215º
Rio Branco do Sul 4.293 162º Santa Cruz de Monte Castelo 2.495 216º
Rio Negro 3.186 198º Paula Freitas 2.492 217º
Rolândia 3.822 174º Nova Londrina 2.468 218º
Roncador 4.809 149º Guaporema 2.457 219º
Rondon 14.451 30º Tamboara 2.418 220º
Sabáudia 555 276º Guaraci 2.397 221º
Salgado Filho 6.513 116º Almirante Tamandaré 2.382 222º
Salto do Itararé 2.600 212º Florestópolis 2.369 223º
Salto do Lontra 11.826 47º Guairaçá 2.353 224º
Santa Amélia 4.160 165º Planaltina do Paraná 2.351 225º
Santa Cecília do Pavão 4.163 164º Ivatuba 2.335 226º
Santa Cruz de Monte Castelo
2.495 216º São José dos Pinhais 2.304 227º
Santa Fé 2.581 213º Quatiguá 2.300 228º
Santa Helena 14.791 29º Indianópolis 2.264 229º
Santa Inês 1.912 247º Terra Boa 2.238 230º
Santa Isabel do Ivaí 5.313 139º Ourizona 2.223 231º
Santa Izabel do Oeste 4.529 154º Marilena 2.218 232º
Santa Mariana 9.371 71º Amaporã 2.173 233º
Santana do Itararé 3.653 179º Antônio Olinto 2.169 234º
Santo Antônio da Platina 17.291 23º Pinhalão 2.146 235º
Santo Antônio do Caiuá 2.100 236º Santo Antônio do Caiuá 2.100 236º
Santo Antônio do Paraíso 3.639 180º Iguaraçu 2.081 237º
Santo Antônio do Sudoeste 13.007 40º Tijucas do Sul 2.043 238º
Santo Inácio 4.507 156º Jardim Olinda 2.040 239º
São Carlos do Ivaí 2.665 209º Jaboti 2.032 240º
São Jerônimo da Serra 8.115 81º Rio Azul 2.022 241º
Tabela B.1
– Ranking do PIB agrícola municipal – 1970, continuação
102
MUNICÍPIOS
(ranking de 1970)
PIB
Agrícola
Classi-
ficação
MUNICÍPIOS
(ranking de 1970)
PIB
Agrícola
Classi-
ficação
São João 8.115 82º Bom Sucesso 1.970 242º
São João do Caiuá 1.575 256º Porto Rico 1.954 243º
São João do Ivaí 25.025 12º Nova América da Colina 1.944 244º
São João do Triunfo 3.721 177º Nova Olímpia 1.943 245º
São Jorge do Ivaí 6.915 107º Diamante do Norte 1.922 246º
São Jorge d'Oeste 5.979 126º Santa Inês 1.912 247º
São José da Boa Vista 3.112 200º Nova Aliança do Ivaí 1.832 248º
São José dos Pinhais 2.304 227º Miraselva 1.828 249º
São Mateus do Sul 15.747 25º Cafeara 1.774 250º
São Miguel do Iguaçu 12.406 45º Inajá 1.774 251º
São Pedro do Ivaí 7.342 100º Alto Paraná 1.757 252º
São Sebastião da Amoreira 4.272 163º Mirador 1.748 253º
São Tomé 861 272º Agudos do Sul 1.698 254º
Sapopema 3.201 196º Paranaguá 1.604 255º
Sengés 3.559 182º São João do Caiuá 1.575 256º
Sertaneja 13.709 36º Paranapoema 1.522 257º
Sertanópolis 10.760 58º Piraquara 1.487 258º
Siqueira Campos 5.208 144º Porto Vitória 1.428 259º
Tamboara 2.418 220º Campina Grande do Sul 1.425 260º
Tapejara 2.655 210º Balsa Nova 1.381 261º
Tapira 6.191 121º Lupionópolis 1.373 262º
Teixeira Soares 6.683 112º Paulo Frontin 1.203 263º
Terra Boa 2.238 230º Matinhos 1.179 264º
Terra Rica 3.532 183º Nova Esperança 1.164 265º
Terra Roxa 14.190 32º Munhoz de Melo 1.149 266º
Tibagi 9.032 74º Guaraqueçaba 1.085 267º
Tijucas do Sul 2.043 238º Guaratuba 1.083 268º
Toledo 44.384 1º Flórida 1.071 269º
Tomazina 7.464 96º Campo do Tenente 1.002 270º
Tuneiras do Oeste 5.596 131º Mandaguaçu 999 271º
Ubiratã 17.350 22º São Tomé 861 272º
Umuarama 35.043 3º Antonina 691 273º
União da Vitória 5.747 129º Itaúna do Sul 632 274º
Uniflor 405 279º General Carneiro 606 275º
Uraí 5.994 125º Sabáudia 555 276º
Verê 7.748 89º Porto Amazonas 486 277º
Vitorino 5.532 134º Atalaia 466 278º
Wenceslau Braz 6.061 122º Uniflor 405 279º
Xambrê 5.459 137º Quatro Barras 216 280º
Tabela B.1
– Ranking do PIB agrícola municipal – 1970, continuação
103
Tabela B.2
– Ranking do PIB agrícola municipal - 1980
MUNICÍPIOS
(ranking de 1980)
PIB
Agrícola
Classifi-
cação
MUNICÍPIOS
(ranking de 1980)
PIB
Agrícola
Classi-
ficação
Abatiá 229.537 203º Toledo 2.920.883 1º
Adrianópolis 97.071 271º Guarapuava 2.769.563 2º
Agudos do Sul 94.261 272º Cascavel 2.476.428 3º
Almirante Tamandaré 128.441 250º Assis Chateaubriand 2.339.689 4º
Alto Paraná 425.429 112º Marechal Cândido Rondon 2.262.369 5º
Alto Piquiri 542.106 78º Umuarama 2.132.869 6º
Altônia 1.287.096 16º Campo Mourão 1.997.090 7º
Alvorada do Sul 410.217 119º Londrina 1.795.695 8º
Amaporã 279.967 178º Palotina 1.773.865 9º
Ampére 397.328 121º Pitanga 1.473.589 10º
Andirá 375.183 134º Goioerê 1.381.216 11º
Antonina 124.013 260º São Miguel do Iguaçu 1.371.715 12º
Antônio Olinto 172.266 225º Medianeira 1.353.617 13º
Apucarana 442.745 109º Ivaiporã 1.335.231 14º
Arapongas 370.376 136º São João do Ivaí 1.290.553 15º
Arapoti 668.188 57º Altônia 1.287.096 16º
Araruna 270.888 182º Capitão Leônidas Marques 1.176.556 17º
Araucária 310.768 161º Salto do Lontra 1.140.646 18º
Assaí 584.304 71º Dois Vizinhos 1.140.354 19º
Assis Chateaubriand 2.339.689 4º São Mateus do Sul 1.125.228 20º
Astorga 401.908 120º Castro 1.116.596 21º
Atalaia 128.025 251º Pinhão 1.102.563 22º
Balsa Nova 64.830 281º Santa Helena 1.064.513 23º
Bandeirantes 677.865 55º Formosa do Oeste 1.059.790 24º
Barbosa Ferraz 1.016.899 27º Laranjeiras do Sul 1.035.951 25º
Barra do Jacaré 165.619 228º Corbélia 1.017.409 26º
Barracão 449.576 103º Barbosa Ferraz 1.016.899 27º
Bela Vista do Paraíso 317.584 156º Santo Antônio do Sudoeste 992.639 28º
Bituruna 297.905 168º Mamborê 982.194 29º
Boa Esperança 382.377 128º Palmas 970.539 30º
Bocaiúva do Sul 115.649 263º Lapa 962.632 31º
Bom Sucesso 307.051 163º Paranavaí 932.763 32º
Borrazópolis 462.923 100º Prudentópolis 915.782 33º
Cafeara 134.354 246º Terra Roxa 908.747 34º
Califórnia 105.809 268º Planalto 880.695 35º
Cambará 637.076 64º Chopinzinho 873.030 36º
Cambé 568.207 74º Iporã 867.190 37º
Cambira 266.238 188º Maria Helena 864.634 38º
Campina da Lagoa 512.623 88º Marialva 838.924 39º
Campina Grande do Sul 125.938 256º Tibagi 838.718 40º
Campo do Tenente 76.319 279º Francisco Beltrão 824.860 41º
Campo Largo 391.726 125º Jacarezinho 818.761 42º
Campo Mourão 1.997.090 7º Ponta Grossa 786.187 43º
Cândido de Abreu 438.245 110º Ubiratã 785.431 44º
Capitão Leônidas Marques 1.176.556 17º Nova Aurora 773.070 45º
Carlópolis 506.752 89º Icaraíma 769.963 46º
Cascavel 2.476.428 3º Grandes Rios 757.796 47º
Castro 1.116.596 21º Palmital 751.988 48º
Catanduvas 749.898 49º Catanduvas 749.898 49º
Centenário do Sul 354.213 144º Ortigueira 726.368 50º
Cerro Azul 263.012 190º Palmeira 725.994 51º
104
MUNICÍPIOS
(ranking de 1980)
PIB
Agrícola
Classifi-
cação
MUNICÍPIOS
(ranking de 1980)
PIB
Agrícola
Classi-
ficação
Céu Azul 696.539 54º Jardim Alegre 706.681 52º
Chopinzinho 873.030 36º Pato Branco 697.282 53º
Cianorte 580.274 72º Céu Azul 696.539 54º
Cidade Gaúcha 285.645 176º Bandeirantes 677.865 55º
Clevelândia 220.933 206º Santo Antônio da Platina 668.943 56º
Colombo 92.797 273º Arapoti 668.188 57º
Colorado 644.905 62º Matelândia 664.804 58º
Congonhinhas 149.416 237º Tomazina 661.701 59º
Conselheiro Mairinck 131.692 248º Marmeleiro 653.246 60º
Contenda 275.045 180º Guaraniaçu 649.022 61º
Corbélia 1.017.409 26º Colorado 644.905 62º
Cornélio Procópio 472.398 97º Engenheiro Beltrão 643.301 63º
Coronel Vivida 624.581 66º Cambará 637.076 64º
Cruz Machado 446.830 105º Rolândia 635.719 65º
Cruzeiro do Oeste 533.370 83º Coronel Vivida 624.581 66º
Cruzeiro do Sul 289.198 173º Santa Isabel do Ivaí 602.089 67º
Curitiba 127.148 254º Faxinal 591.916 68º
Curiúva 299.867 167º Realeza 588.114 69º
Diamante do Norte 268.236 186º Moreira Sales 585.068 70º
Dois Vizinhos 1.140.354 19º Assaí 584.304 71º
Doutor Camargo 186.868 216º Cianorte 580.274 72º
Enéas Marques 464.727 98º São José da Boa Vista 578.772 73º
Engenheiro Beltrão 643.301 63º Cambé 568.207 74º
Faxinal 591.916 68º Maringá 559.909 75º
Fênix 337.318 147º Terra Rica 553.603 76º
Floraí 257.976 192º Loanda 545.718 77º
Floresta 269.789 183º Alto Piquiri 542.106 78º
Florestópolis 268.553 185º São Jorge d'Oeste 537.850 79º
Flórida 87.465 275º Sertanópolis 535.259 80º
Formosa do Oeste 1.059.790 24º Guaíra 534.354 81º
Foz do Iguaçu 478.670 93º Sertaneja 534.034 82º
Francisco Alves 393.812 123º Cruzeiro do Oeste 533.370 83º
Francisco Beltrão 824.860 41º Peabiru 530.385 84º
General Carneiro 125.148 257º Wenceslau Braz 525.553 85º
Goioerê 1.381.216 11º Pérola 522.580 86º
Grandes Rios 757.796 47º Irati 516.165 87º
Guaíra 534.354 81º Campina da Lagoa 512.623 88º
Guairaçá 332.531 149º Carlópolis 506.752 89º
Guapirama 161.406 229º Teixeira Soares 489.762 90º
Guaporema 126.939 255º Iretama 485.124 91º
Guaraci 181.521 218º Primeiro de Maio 484.188 92º
Guaraniaçu 649.022 61º Foz do Iguaçu 478.670 93º
Guarapuava 2.769.563 2º São Pedro do Ivaí 477.916 94º
Guaraqueçaba 249.228 199º Reserva 474.458 95º
Guaratuba 114.099 264º Mangueirinha 472.455 96º
Ibaiti 448.203 104º Cornélio Procópio 472.398 97º
Ibiporã 304.512 166º Enéas Marques 464.727 98º
Icaraíma 769.963 46º Salgado Filho 464.493 99º
Iguaraçu 286.405 175º Borrazópolis 462.923 100º
Imbituva 354.620 142º Tapejara 450.852 101º
Inajá 173.911 222º São Jorge do Ivaí 449.694 102º
Indianópolis 157.002 234º Barracão 449.576 103º
Ipiranga 282.470 177º Ibaiti 448.203 104º
Tabela B.2
– Ranking do PIB agrícola municipal – 1980, continuação
105
MUNICÍPIOS
(ranking de 1980)
PIB
Agrícola
Classifi-
cação
MUNICÍPIOS
(ranking de 1980)
PIB
Agrícola
Classi-
ficação
Iporã 867.190 37º Cruz Machado 446.830 105º
Irati 516.165 87º Telêmaco Borba 446.520 106º
Iretama 485.124 91º Pérola d'Oeste 444.575 107º
Itaguajé 196.568 212º São José dos Pinhais 442.806 108º
Itambaracá 375.498 133º Apucarana 442.745 109º
Itambé 312.229 159º Cândido de Abreu 438.245 110º
Itapejara d'Oeste 378.107 131º Santa Mariana 436.682 111º
Itaúna do Sul 82.165 278º Alto Paraná 425.429 112º
Ivaí 254.018 195º Quedas do Iguaçu 425.069 113º
Ivaiporã 1.335.231 14º Santa Izabel do Oeste 423.528 114º
Ivatuba 171.442 226º Roncador 418.356 115º
Jaboti 120.090 262º Siqueira Campos 416.274 116º
Jacarezinho 818.761 42º Quinta do Sol 415.417 117º
Jaguapitã 329.426 150º Uraí 412.519 118º
Jaguariaíva 252.499 196º Alvorada do Sul 410.217 119º
Jandaia do Sul 202.466 210º Astorga 401.908 120º
Janiópolis 382.107 129º Ampére 397.328 121º
Japira 124.132 259º Jundiaí do Sul 394.965 122º
Japurá 307.645 162º Francisco Alves 393.812 123º
Jardim Alegre 706.681 52º Piraí do Sul 392.166 124º
Jardim Olinda 113.618 267º Campo Largo 391.726 125º
Jataizinho 227.118 204º Rondon 389.609 126º
Joaquim Távora 318.809 155º Verê 388.275 127º
Jundiaí do Sul 394.965 122º Boa Esperança 382.377 128º
Jussara 221.896 205º Janiópolis 382.107 129º
Kaloré 305.292 164º Mandaguaçu 378.521 130º
Lapa 962.632 31º Itapejara d'Oeste 378.107 131º
Laranjeiras do Sul 1.035.951 25º Nova Esperança 377.674 132º
Leópolis 335.194 148º Itambaracá 375.498 133º
Loanda 545.718 77º Andirá 375.183 134º
Lobato 232.263 202º Sengés 374.790 135º
Londrina 1.795.695 8º Arapongas 370.376 136º
Lupionópolis 104.185 269º São João 368.883 137º
Mallet 172.987 223º Nova Santa Rosa 364.107 138º
Mamborê 982.194 29º Mariluz 358.003 139º
Mandaguaçu 378.521 130º Paranacity 356.586 140º
Mandaguari 276.987 179º Querência do Norte 355.890 141º
Mandirituba 154.851 235º Imbituva 354.620 142º
Mangueirinha 472.455 96º Manoel Ribas 354.534 143º
Manoel Ribas 354.534 143º Centenário do Sul 354.213 144º
Marechal Cândido Rondon 2.262.369 5º Santa Fé 342.726 145º
Maria Helena 864.634 38º Porecatu 342.684 146º
Marialva 838.924 39º Fênix 337.318 147º
Marilândia do Sul 255.880 193º Leópolis 335.194 148º
Marilena 206.938 208º Guairaçá 332.531 149º
Mariluz 358.003 139º Jaguapitã 329.426 150º
Maringá 559.909 75º Paiçandu 326.451 151º
Mariópolis 212.621 207º Nova Cantu 325.052 152º
Marmeleiro 653.246 60º Terra Boa 323.583 153º
Marumbi 191.034 214º Ribeirão Claro 320.834 154º
Matelândia 664.804 58º Joaquim Távora 318.809 155º
Matinhos 2.645 286º Bela Vista do Paraíso 317.584 156º
Medianeira 1.353.617 13º Tuneiras do Oeste 314.290 157º
Tabela B.2
– Ranking do PIB agrícola municipal – 1980, continuação
106
MUNICÍPIOS
(ranking de 1980)
PIB
Agrícola
Classifi-
cação
MUNICÍPIOS
(ranking de 1980)
PIB
Agrícola
Classi-
ficação
Mirador 136.361 244º São Jerônimo da Serra 313.969 158º
Miraselva 181.346 219º Itambé 312.229 159º
Moreira Sales 585.068 70º Santa Cruz de Monte Castelo 311.765 160º
Morretes 274.211 181º Araucária 310.768 161º
Munhoz de Melo 158.228 232º Japurá 307.645 162º
Nossa Senhora das Graças 169.361 227º Bom Sucesso 307.051 163º
Nova Aliança do Ivaí 59.566 283º Kaloré 305.292 164º
Nova América da Colina 101.928 270º Tapira 304.654 165º
Nova Aurora 773.070 45º Ibiporã 304.512 166º
Nova Cantu 325.052 152º Curiúva 299.867 167º
Nova Esperança 377.674 132º Bituruna 297.905 168º
Nova Fátima 144.531 240º Ribeirão do Pinhal 297.207 169º
Nova Londrina 172.749 224º Xambrê 295.741 170º
Nova Olímpia 125.105 258º Renascença 292.138 171º
Nova Santa Rosa 364.107 138º Salto do Itararé 289.376 172º
Ortigueira 726.368 50º Cruzeiro do Sul 289.198 173º
Ourizona 251.256 198º Rancho Alegre 286.937 174º
Paiçandu 326.451 151º Iguaraçu 286.405 175º
Palmas 970.539 30º Cidade Gaúcha 285.645 176º
Palmeira 725.994 51º Ipiranga 282.470 177º
Palmital 751.988 48º Amaporã 279.967 178º
Palotina 1.773.865 9º Mandaguari 276.987 179º
Paraíso do Norte 132.721 247º Contenda 275.045 180º
Paranacity 356.586 140º Morretes 274.211 181º
Paranaguá 64.271 282º Araruna 270.888 182º
Paranapoema 142.312 242º Floresta 269.789 183º
Paranavaí 932.763 32º São João do Triunfo 269.169 184º
Pato Branco 697.282 53º Florestópolis 268.553 185º
Paulo Frontin 134.702 245º Diamante do Norte 268.236 186º
Peabiru 530.385 84º Planaltina do Paraná 266.997 187º
Pérola 522.580 86º Cambira 266.238 188º
Pérola d'Oeste 444.575 107º Vitorino 263.905 189º
Piên 144.094 241º Cerro Azul 263.012 190º
Pinhalão 153.579 236º São João do Caiuá 260.459 191º
Pinhão 1.102.563 22º Floraí 257.976 192º
Piraí do Sul 392.166 124º Marilândia do Sul 255.880 193º
Piraquara 84.265 277º Quitandinha 255.674 194º
Pitanga 1.473.589 10º Ivaí 254.018 195º
Planaltina do Paraná 266.997 187º Jaguariaíva 252.499 196º
Planalto 880.695 35º Rio Azul 251.659 197º
Ponta Grossa 786.187 43º Ourizona 251.256 198º
Porecatu 342.684 146º Guaraqueçaba 249.228 199º
Porto Amazonas 14.519 285º São Sebastião da Amoreira 246.994 200º
Porto Rico 197.395 211º Rio Branco do Sul 240.332 201º
Porto Vitória 127.525 253º Lobato 232.263 202º
Presidente Castelo Branco 148.700 238º Abatiá 229.537 203º
Primeiro de Maio 484.188 92º Jataizinho 227.118 204º
Prudentópolis 915.782 33º Jussara 221.896 205º
Quatiguá 113.982 265º Clevelândia 220.933 206º
Quatro Barras 33.469 284º Mariópolis 212.621 207º
Quedas do Iguaçu 425.069 113º Marilena 206.938 208º
Querência do Norte 355.890 141º Santo Inácio 202.802 209º
Quinta do Sol 415.417 117º Jandaia do Sul 202.466 210º
Tabela B.2
– Ranking do PIB agrícola municipal – 1980, continuação
107
MUNICÍPIOS
(ranking de 1980)
PIB
Agrícola
Classifi-
cação
MUNICÍPIOS
(ranking de 1980)
PIB
Agrícola
Classi-
ficação
Quitandinha 255.674 194º Porto Rico 197.395 211º
Rancho Alegre 286.937 174º Itaguajé 196.568 212º
Realeza 588.114 69º São Pedro do Paraná 191.063 213º
Rebouças 184.429 217º Marumbi 191.034 214º
Renascença 292.138 171º União da Vitória 189.919 215º
Reserva 474.458 95º Doutor Camargo 186.868 216º
Ribeirão Claro 320.834 154º Rebouças 184.429 217º
Ribeirão do Pinhal 297.207 169º Guaraci 181.521 218º
Rio Azul 251.659 197º Miraselva 181.346 219º
Rio Bom 148.081 239º São Tomé 179.253 220º
Rio Branco do Sul 240.332 201º Rio Negro 174.039 221º
Rio Negro 174.039 221º Inajá 173.911 222º
Rolândia 635.719 65º Mallet 172.987 223º
Roncador 418.356 115º Nova Londrina 172.749 224º
Rondon 389.609 126º Antônio Olinto 172.266 225º
Sabáudia 157.159 233º Ivatuba 171.442 226º
Salgado Filho 464.493 99º Nossa Senhora das Graças 169.361 227º
Salto do Itararé 289.376 172º Barra do Jacaré 165.619 228º
Salto do Lontra 1.140.646 18º Guapirama 161.406 229º
Santa Amélia 137.510 243º Santo Antônio do Caiuá 160.167 230º
Santa Cecília do Pavão 127.837 252º Sapopema 159.773 231º
Santa Cruz de Monte Castelo 311.765 160º Munhoz de Melo 158.228 232º
Santa Fé 342.726 145º Sabáudia 157.159 233º
Santa Helena 1.064.513 23º Indianópolis 157.002 234º
Santa Inês 122.860 261º Mandirituba 154.851 235º
Santa Isabel do Ivaí 602.089 67º Pinhalão 153.579 236º
Santa Izabel do Oeste 423.528 114º Congonhinhas 149.416 237º
Santa Mariana 436.682 111º Presidente Castelo Branco 148.700 238º
Santo Antônio da Platina 668.943 56º Rio Bom 148.081 239º
Santo Antônio do Caiuá 160.167 230º Nova Fátima 144.531 240º
Santo Antônio do Paraíso 85.211 276º Piên 144.094 241º
Santo Antônio do Sudoeste 992.639 28º Paranapoema 142.312 242º
Santo Inácio 202.802 209º Santa Amélia 137.510 243º
São Carlos do Ivaí 113.630 266º Mirador 136.361 244º
São Jerônimo da Serra 313.969 158º Paulo Frontin 134.702 245º
São João 368.883 137º Cafeara 134.354 246º
São João do Caiuá 260.459 191º Paraíso do Norte 132.721 247º
São João do Ivaí 1.290.553 15º Conselheiro Mairinck 131.692 248º
São João do Triunfo 269.169 184º Tamboara 130.852 249º
São Jorge do Ivaí 449.694 102º Almirante Tamandaré 128.441 250º
São Jorge d'Oeste 537.850 79º Atalaia 128.025 251º
São José da Boa Vista 578.772 73º Santa Cecília do Pavão 127.837 252º
São José dos Pinhais 442.806 108º Porto Vitória 127.525 253º
São Mateus do Sul 1.125.228 20º Curitiba 127.148 254º
São Miguel do Iguaçu 1.371.715 12º Guaporema 126.939 255º
São Pedro do Ivaí 477.916 94º Campina Grande do Sul 125.938 256º
São Pedro do Paraná 191.063 213º General Carneiro 125.148 257º
São Sebastião da Amoreira 246.994 200º Nova Olímpia 125.105 258º
São Tomé 179.253 220º Japira 124.132 259º
Sapopema 159.773 231º Antonina 124.013 260º
Sengés 374.790 135º Santa Inês 122.860 261º
Sertaneja 534.034 82º Jaboti 120.090 262º
Sertanópolis 535.259 80º Bocaiúva do Sul 115.649 263º
Tabela B.2
– Ranking do PIB agrícola municipal – 1980, continuação
108
MUNICÍPIOS
(ranking de 1980)
PIB
Agrícola
Classifi-
cação
MUNICÍPIOS
(ranking de 1980)
PIB
Agrícola
Classi-
ficação
Siqueira Campos 416.274 116º Guaratuba 114.099 264º
Tamboara 130.852 249º Quatiguá 113.982 265º
Tapejara 450.852 101º São Carlos do Ivaí 113.630 266º
Tapira 304.654 165º Jardim Olinda 113.618 267º
Teixeira Soares 489.762 90º Califórnia 105.809 268º
Telêmaco Borba 446.520 106º Lupionópolis 104.185 269º
Terra Boa 323.583 153º Nova América da Colina 101.928 270º
Terra Rica 553.603 76º Adrianópolis 97.071 271º
Terra Roxa 908.747 34º Agudos do Sul 94.261 272º
Tibagi 838.718 40º Colombo 92.797 273º
Tijucas do Sul 68.595 280º Uniflor 89.512 274º
Toledo 2.920.883 1º Flórida 87.465 275º
Tomazina 661.701 59º Santo Antônio do Paraíso 85.211 276º
Tuneiras do Oeste 314.290 157º Piraquara 84.265 277º
Ubiratã 785.431 44º Itaúna do Sul 82.165 278º
Umuarama 2.132.869 6º Campo do Tenente 76.319 279º
União da Vitória 189.919 215º Tijucas do Sul 68.595 280º
Uniflor 89.512 274º Balsa Nova 64.830 281º
Uraí 412.519 118º Paranaguá 64.271 282º
Verê 388.275 127º Nova Aliança do Ivaí 59.566 283º
Vitorino 263.905 189º Quatro Barras 33.469 284º
Wenceslau Braz 525.553 85º Porto Amazonas 14.519 285º
Xambrê 295.741 170º Matinhos 2.645 286º
Tabela B.2
– Ranking do PIB agrícola municipal – 1980, continuação
109
Tabela B.3
– Ranking do PIB agrícola municipal – ano-agrícola 1995-96
MUNICÍPIOS
(ranking de 1995-96)
PIB
Agrícola
CLASSIFI-
CAÇÃO
MUNICÍPIOS
(ranking de 1995-96)
PIB
Agrícola
CLASSIFI-
CAÇÃO
Abatiá 4.534 248º Toledo 60.181 1º
Adrianópolis 2.107 335º Cascavel 55.368 2º
Agudos do Sul 2.624 309º Guarapuava 49.707 3º
Almirante Tamandaré 3.965 263º Londrina 42.962 4º
Altamira do Paraná 1.875 342º Assis Chateaubriand 39.212 5º
Alto Paraná 7.639 160º Palmeira 38.121 6º
Alto Piquiri 5.868 204º Ponta Grossa 37.581 7º
Altônia 10.260 101º Prudentópolis 36.408 8º
Alvorada do Sul 10.287 99º Pinhão 35.987 9º
Amaporã 2.296 326º Pitanga 34.714 10º
Ampére 6.234 194º Telêmaco Borba 34.465 11º
Anahy 2.185 332º Francisco Beltrão 31.842 12º
Andirá 8.379 141º Lapa 31.649 13º
Ângulo 3.368 278º Tibagi 31.488 14º
Antonina 901 352º Palotina 30.598 15º
Antônio Olinto 7.090 169º
Marechal Cândido
Rondon 30.514 16º
Apucarana 12.853 75º Goioerê 27.487 17º
Arapongas 10.434 97º Mamborê 27.415 18º
Arapoti 12.416 79º São Miguel do Iguaçu 26.174 19º
Araruna 7.531 164º Candói 26.169 20º
Araucária 10.140 103º Ortigueira 25.043 21º
Assaí 11.147 88º Teixeira Soares 24.039 22º
Assis Chateaubriand 39.212 5º Guaraniaçu 22.962 23º
Astorga 14.508 57º Cambé 22.880 24º
Atalaia 2.799 303º Ubiratã 22.718 25º
Balsa Nova 3.047 294º Santa Helena 22.717 26º
Bandeirantes 9.699 115º Campo Mourão 22.458 27º
Barbosa Ferraz 5.560 215º Piraí do Sul 22.008 28º
Barra do Jacaré 4.931 234º Quedas do Iguaçu 21.564 29º
Barracão 5.627 214º Reserva 20.996 30º
Bela Vista do Paraíso 8.981 127º Marialva 20.882 31º
Bituruna 11.097 90º Umuarama 20.518 32º
Boa Esperança 14.131 59º Mangueirinha 20.414 33º
Boa Esperança do Iguaçu 3.869 268º Engenheiro Beltrão 20.229 34º
Boa Vista da Aparecida 4.759 242º Ivaiporã 19.745 35º
Bocaiúva do Sul 2.303 325º Imbituva 19.347 36º
Bom Sucesso 6.269 192º Rolândia 19.097 37º
Bom Sucesso do Sul 4.876 238º Irati 18.833 38º
Borrazópolis 6.300 190º Medianeira 18.487 39º
Braganey 6.323 189º Terra Roxa 18.462 40º
Brasilândia do Sul 7.970 153º Pato Branco 16.591 41º
Cafeara 3.737 273º Palmas 16.541 42º
Cafelândia 8.260 145º Cornélio Procópio 16.467 43º
Cafezal do Sul 4.267 258º Campo Largo 15.888 44º
Califórnia 2.823 301º Chopinzinho 15.667 45º
Cambará 13.543 68º Dois Vizinhos 15.660 46º
Cambé 22.880 24º Guaíra 15.451 47º
Cambira 4.037 262º Cândido de Abreu 15.272 48º
Campina da Lagoa 13.512 69º Luiziana 15.100 49º
Campina Grande do Sul 970 349º Ipiranga 15.080 50º
110
MUNICÍPIOS
(ranking de 1995-96)
PIB
Agrícola
CLASSIFI-
CAÇÃO
MUNICÍPIOS
(ranking de 1995-96)
PIB
Agrícola
CLASSIFI-
CAÇÃO
Campo Bonito 6.876 174º Capanema 15.043 51º
Campo do Tenente 2.591 310º Três Barras do Paraná 14.972 52º
Campo Largo 15.888 44º Cantagalo 14.956 53º
Campo Mourão 22.458 27º Marilândia do Sul 14.841 54º
Cândido de Abreu 15.272 48º Paranavaí 14.605 55º
Candói 26.169 20º Sengés 14.594 56º
Cantagalo 14.956 53º Astorga 14.508 57º
Capanema 15.043 51º Santa Mariana 14.482 58º
Capitão Leônidas Marques 5.440 221º Boa Esperança 14.131 59º
Carlópolis 8.559 138º Jaguapitã 14.058 60º
Cascavel 55.368 2º Faxinal 14.051 61º
Catanduvas 7.794 157º Coronel Vivida 14.038 62º
Centenário do Sul 9.078 124º Corbélia 13.971 63º
Cerro Azul 7.686 159º Tupãssi 13.951 64º
Céu Azul 9.794 113º São Mateus do Sul 13.944 65º
Chopinzinho 15.667 45º Jacarezinho 13.777 66º
Cianorte 13.769 67º Cianorte 13.769 67º
Cidade Gaúcha 7.244 168º Cambará 13.543 68º
Clevelândia 6.058 196º Campina da Lagoa 13.512 69º
Colombo 2.449 318º
Santo Antônio do
Sudoeste
13.362 70º
Colorado 4.586 246º Planalto 13.328 71º
Congonhinhas 3.799 272º Sertanópolis 13.204 72º
Conselheiro Mairinck 3.356 279º São José dos Pinhais 12.995 73º
Contenda 8.612 136º Missal 12.870 74º
Corbélia 13.971 63º Apucarana 12.853 75º
Cornélio Procópio 16.467 43º São Pedro do Ivaí 12.793 76º
Coronel Vivida 14.038 62º Santo Antônio da Platina 12.599 77º
Corumbataí do Sul 2.064 337º Nova Esperança 12.471 78º
Cruz Machado 12.376 80º Arapoti 12.416 79º
Cruzeiro do Iguaçu 3.893 266º Cruz Machado 12.376 80º
Cruzeiro do Oeste 8.596 137º Matelândia 12.170 81º
Cruzeiro do Sul 7.470 165º Juranda 12.142 82º
Curiúva 5.855 206º São Jorge do Ivaí 12.110 83º
Diamante do Norte 3.071 291º Rio Azul 11.956 84º
Diamante do Sul 2.075 336º Nova Santa Rosa 11.801 85º
Diamante D'Oeste 2.243 328º Tapira 11.504 86º
Dois Vizinhos 15.660 46º Mallet 11.317 87º
Douradina 6.273 191º Assaí 11.147 88º
Doutor Camargo 4.426 254º Maripá 11.108 89º
Doutor Ulysses 3.222 284º Bituruna 11.097 90º
Enéas Marques 3.881 267º Tuneiras do Oeste 11.021 91º
Engenheiro Beltrão 20.229 34º São João 10.811 92º
Entre Rios do Oeste 4.928 236º Nova Prata do Iguaçu 10.575 93º
Farol 7.014 171º Ivaí 10.572 94º
Faxinal 14.051 61º Ouro Verde do Oeste 10.565 95º
Fazenda Rio Grande 509 355º Laranjeiras do Sul 10.479 96º
Fênix 5.330 224º Arapongas 10.434 97º
Figueira 958 350º Mandaguaçu 10.431 98º
Flor da Serra do Sul 8.297 144º Alvorada do Sul 10.287 99º
Floraí 5.780 209º São João do Triunfo 10.265 100º
Floresta 6.364 187º Altônia 10.260 101º
Formosa do Oeste 7.990 152º Icaraíma 10.178 102º
Tabela B.3
– Ranking do PIB agrícola municipal – ano-agrícola 1995-96, continuação
111
MUNICÍPIOS
(ranking de 1995-96)
PIB
Agrícola
CLASSIFI-
CAÇÃO
MUNICÍPIOS
(ranking de 1995-96)
PIB
Agrícola
CLASSIFI-
CAÇÃO
Foz do Iguaçu 3.250 281º Araucária 10.140 103º
Francisco Alves 5.083 232º Sertaneja 10.097 104º
Francisco Beltrão 31.842 12º Ribeirão Claro 10.093 105º
General Carneiro 7.599 161º Manoel Ribas 10.002 106º
Godoy Moreira 2.188 331º Primeiro de Maio 9.984 107º
Goioerê 27.487 17º Renascença 9.961 108º
Grandes Rios 5.106 231º Roncador 9.905 109º
Guaíra 15.451 47º São João do Ivaí 9.869 110º
Guairaçá 4.850 240º Itambé 9.842 111º
Guapirama 2.532 312º São Pedro do Iguaçu 9.819 112º
Guaporema 5.860 205º Céu Azul 9.794 113º
Guaraci 2.472 315º Salgado Filho 9.784 114º
Guaraniaçu 22.962 23º Bandeirantes 9.699 115º
Guarapuava 49.707 3º Nova Laranjeiras 9.669 116º
Guaraqueçaba 712 354º Salto do Lontra 9.640 117º
Guaratuba 2.500 313º Vera Cruz do Oeste 9.612 118º
Honório Serpa 9.413 119º Honório Serpa 9.413 119º
Ibaiti 8.163 148º Peabiru 9.393 120º
Ibema 1.910 341º Verê 9.382 121º
Ibiporã 7.558 162º Maria Helena 9.212 122º
Icaraíma 10.178 102º Jaguariaíva 9.176 123º
Iguaraçu 4.439 253º Centenário do Sul 9.078 124º
Iguatu 1.244 348º Santa Terezinha de Itaipu 9.041 125º
Imbituva 19.347 36º Palmital 9.009 126º
Inácio Martins 3.165 289º Bela Vista do Paraíso 8.981 127º
Inajá 2.784 304º Rondon 8.926 128º
Indianópolis 3.240 282º Rio Negro 8.881 129º
Ipiranga 15.080 50º Nova Cantu 8.869 130º
Iporã 6.551 181º Marmeleiro 8.863 131º
Iracema do Oeste 2.767 306º Santa Tereza do Oeste 8.818 132º
Irati 18.833 38º Terra Rica 8.775 133º
Iretama 6.781 177º Itapejara d'Oeste 8.754 134º
Itaguajé 2.685 308º Loanda 8.732 135º
Itaipulândia 5.125 230º Contenda 8.612 136º
Itambé 9.842 111º Cruzeiro do Oeste 8.596 137º
Itapejara d'Oeste 8.754 134º Carlópolis 8.559 138º
Itaperuçu 1.396 346º Mariópolis 8.504 139º
Itaúna do Sul 1.461 345º Jesuítas 8.405 140º
Ivaí 10.572 94º Andirá 8.379 141º
Ivaiporã 19.745 35º Santa Izabel do Oeste 8.373 142º
Ivaté 6.435 183º Querência do Norte 8.339 143º
Ivatuba 3.825 270º Flor da Serra do Sul 8.297 144º
Jaboti 2.806 302º Cafelândia 8.260 145º
Jacarezinho 13.777 66º Vitorino 8.258 146º
Jaguapitã 14.058 60º Realeza 8.164 147º
Jaguariaíva 9.176 123º Ibaiti 8.163 148º
Jandaia do Sul 4.493 249º Pérola d'Oeste 8.074 149º
Janiópolis 7.707 158º São Jorge d'Oeste 8.050 150º
Japira 3.014 296º Tapejara 8.027 151º
Japurá 6.212 195º Formosa do Oeste 7.990 152º
Jardim Alegre 6.753 178º Brasilândia do Sul 7.970 153º
Jardim Olinda 919 351º Mercedes 7.877 154º
Tabela B.3
– Ranking do PIB agrícola municipal – ano-agrícola 1995-96, continuação
112
MUNICÍPIOS
(ranking de 1995-96)
PIB
Agrícola
CLASSIFI-
CAÇÃO
MUNICÍPIOS
(ranking de 1995-96)
PIB
Agrícola
CLASSIFI-
CAÇÃO
Jataizinho 3.216 285º São Carlos do Ivaí 7.872 155º
Jesuítas 8.405 140º Leópolis 7.794 156º
Joaquim Távora 4.338 256º Catanduvas 7.794 157º
Jundiaí do Sul 4.280 257º Janiópolis 7.707 158º
Juranda 12.142 82º Cerro Azul 7.686 159º
Jussara 6.419 184º Alto Paraná 7.639 160º
Kaloré 4.901 237º General Carneiro 7.599 161º
Lapa 31.649 13º Ibiporã 7.558 162º
Laranjal 3.927 265º Terra Boa 7.548 163º
Laranjeiras do Sul 10.479 96º Araruna 7.531 164º
Leópolis 7.794 156º Cruzeiro do Sul 7.470 165º
Lidianópolis 3.177 288º Ventania 7.459 166º
Lindoeste 6.005 198º Quitandinha 7.384 167º
Loanda 8.732 135º Cidade Gaúcha 7.244 168º
Londrina 42.962 4º Antônio Olinto 7.090 169º
Luiziana 15.100 49º Santa Maria do Oeste 7.089 170º
Lunardelli 2.472 314º Farol 7.014 171º
Lupionópolis 3.314 280º Moreira Sales 6.955 172º
Mallet 11.317 87º São Tomé 6.909 173º
Mamborê 27.415 18º Campo Bonito 6.876 174º
Mandaguaçu 10.431 98º Santa Fé 6.838 175º
Mandaguari 5.442 220º Rebouças 6.819 176º
Mandirituba 4.862 239º Iretama 6.781 177º
Mangueirinha 20.414 33º Jardim Alegre 6.753 178º
Manoel Ribas 10.002 106º Santo Inácio 6.699 179º
Marechal Cândido Rondon 30.514 16º Quinta do Sol 6.568 180º
Maria Helena 9.212 122º Iporã 6.551 181º
Marialva 20.882 31º Planaltina do Paraná 6.462 182º
Marilândia do Sul 14.841 54º Ivaté 6.435 183º
Marilena 2.921 298º Jussara 6.419 184º
Mariluz 6.050 197º Rancho Alegre D'Oeste 6.417 185º
Maringá 4.777 241º Rio Bonito do Iguaçu 6.365 186º
Mariópolis 8.504 139º Floresta 6.364 187º
Maripá 11.108 89º Pranchita 6.341 188º
Marmeleiro 8.863 131º Braganey 6.323 189º
Marumbi 3.199 286º Borrazópolis 6.300 190º
Matelândia 12.170 81º Douradina 6.273 191º
Matinhos 65 361º Bom Sucesso 6.269 192º
Mato Rico 3.843 269º Santa Isabel do Ivaí 6.263 193º
Mauá da Serra 3.138 290º Ampére 6.234 194º
Medianeira 18.487 39º Japurá 6.212 195º
Mercedes 7.877 154º Clevelândia 6.058 196º
Mirador 5.540 218º Mariluz 6.050 197º
Missal 12.870 74º Lindoeste 6.005 198º
Moreira Sales 6.955 172º Nova Tebas 5.982 199º
Morretes 5.716 212º
Santa Cruz de Monte
Castel
5.976 200º
Munhoz de Melo 3.560 275º Tomazina 5.956 201º
Nova Aliança do Ivaí 1.776 344º Turvo 5.903 202º
Nova Cantu 8.869 130º Pérola 5.874 203º
Nova Esperança 12.471 78º Alto Piquiri 5.868 204º
Nova Esperança do Sudoeste
4.642 245º Guaporema 5.860 205º
Nova Fátima 4.086 260º Curiúva 5.855 206º
Tabela B.3
– Ranking do PIB agrícola municipal – ano-agrícola 1995-96, continuação
113
MUNICÍPIOS
(ranking de 1995-96)
PIB
Agrícola
CLASSIFI-
CAÇÃO
MUNICÍPIOS
(ranking de 1995-96)
PIB
Agrícola
CLASSIFI-
CAÇÃO
Nova Laranjeiras 9.669 116º Paulo Frontin 5.806 207º
Nova Londrina 2.205 330º Wenceslau Braz 5.784 208º
Nova Olímpia 2.207 329º Floraí 5.780 209º
Nova Prata do Iguaçu 10.575 93º Tamboara 5.765 210º
Nova Santa Bárbara 2.063 338º Uraí 5.721 211º
Nova Santa Rosa 11.801 85º Morretes 5.716 212º
Nova Tebas 5.982 199º Paiçandu 5.710 213º
Novo Itacolomi 2.339 323º Barracão 5.627 214º
Ortigueira 25.043 21º Barbosa Ferraz 5.560 215º
Ourizona 5.299 226º São João do Caiuá 5.550 216º
Ouro Verde do Oeste 10.565 95º Porecatu 5.548 217º
Paiçandu 5.710 213º Mirador 5.540 218º
Palmas 16.541 42º Piên 5.518 219º
Palmeira 38.121 6º Mandaguari 5.442 220º
Palmital 9.009 126º
Capitão Leônidas
Marques 5.440 221º
Palotina 30.598 15º São Jerônimo da Serra 5.363 222º
Paraíso do Norte 4.350 255º Sabáudia 5.332 223º
Paranacity 2.038 339º Fênix 5.330 224º
Paranaguá 419 358º São Jorge do Patrocínio 5.330 225º
Paranapoema 2.471 316º Ourizona 5.299 226º
Paranavaí 14.605 55º Vila Alta 5.288 227º
Pato Bragado 4.570 247º
São Sebastião da
Amoreira
5.218 228º
Pato Branco 16.591 41º Siqueira Campos 5.211 229º
Paula Freitas 3.808 271º Itaipulândia 5.125 230º
Paulo Frontin 5.806 207º Grandes Rios 5.106 231º
Peabiru 9.393 120º Francisco Alves 5.083 232º
Pérola 5.874 203º Ribeirão do Pinhal 5.029 233º
Pérola d'Oeste 8.074 149º Barra do Jacaré 4.931 234º
Piên 5.518 219º Sulina 4.928 235º
Pinhais 122 360º Entre Rios do Oeste 4.928 236º
Pinhal de São Bento 1.299 347º Kaloré 4.901 237º
Pinhalão 1.949 340º Bom Sucesso do Sul 4.876 238º
Pinhão 35.987 9º Mandirituba 4.862 239º
Piraí do Sul 22.008 28º Guairaçá 4.850 240º
Piraquara 480 356º Maringá 4.777 241º
Pitanga 34.714 10º Boa Vista da Aparecida 4.759 242º
Pitangueiras 4.667 244º Xambrê 4.673 243º
Planaltina do Paraná 6.462 182º Pitangueiras 4.667 244º
Planalto 13.328 71º
Nova Esperança do
Sudoeste 4.642 245º
Ponta Grossa 37.581 7º Colorado 4.586 246º
Porecatu 5.548 217º Pato Bragado 4.570 247º
Porto Amazonas 734 353º Abatiá 4.534 248º
Porto Rico 2.257 327º Jandaia do Sul 4.493 249º
Porto Vitória 1.849 343º Quatro Pontes 4.493 250º
Pranchita 6.341 188º Presidente Castelo Branco
4.467 251º
Presidente Castelo Branco 4.467 251º São José da Boa Vista 4.441 252º
Primeiro de Maio 9.984 107º Iguaraçu 4.439 253º
Prudentópolis 36.408 8º Doutor Camargo 4.426 254º
Quatiguá 2.368 322º Paraíso do Norte 4.350 255º
Quatro Barras 475 357º Joaquim Távora 4.338 256º
Quatro Pontes 4.493 250º Jundiaí do Sul 4.280 257º
Tabela B.3
– Ranking do PIB agrícola municipal – ano-agrícola 1995-96, continuação
114
MUNICÍPIOS
(ranking de 1995-96)
PIB
Agrícola
CLASSIFI-
CAÇÃO
MUNICÍPIOS
(ranking de 1995-96)
PIB
Agrícola
CLASSIFI-
CAÇÃO
Quedas do Iguaçu 21.564 29º Cafezal do Sul 4.267 258º
Querência do Norte 8.339 143º Sapopema 4.206 259º
Quinta do Sol 6.568 180º Nova Fátima 4.086 260º
Quitandinha 7.384 167º Sarandi 4.056 261º
Ramilândia 2.882 299º Cambira 4.037 262º
Rancho Alegre 3.731 274º Almirante Tamandaré 3.965 263º
Rancho Alegre D'Oeste 6.417 185º União da Vitória 3.935 264º
Realeza 8.164 147º Laranjal 3.927 265º
Rebouças 6.819 176º Cruzeiro do Iguaçu 3.893 266º
Renascença 9.961 108º Enéas Marques 3.881 267º
Reserva 20.996 30º Boa Esperança do Iguaçu 3.869 268º
Ribeirão Claro 10.093 105º Mato Rico 3.843 269º
Ribeirão do Pinhal 5.029 233º Ivatuba 3.825 270º
Rio Azul 11.956 84º Paula Freitas 3.808 271º
Rio Bom 2.423 321º Congonhinhas 3.799 272º
Rio Bonito do Iguaçu 6.365 186º Cafeara 3.737 273º
Rio Branco do Sul 2.437 319º Rancho Alegre 3.731 274º
Rio Negro 8.881 129º Munhoz de Melo 3.560 275º
Rolândia 19.097 37º São José das Palmeiras 3.403 276º
Roncador 9.905 109º Tijucas do Sul 3.386 277º
Rondon 8.926 128º Ângulo 3.368 278º
Rosário do Ivaí 2.781 305º Conselheiro Mairinck 3.356 279º
Sabáudia 5.332 223º Lupionópolis 3.314 280º
Salgado Filho 9.784 114º Foz do Iguaçu 3.250 281º
Salto do Itararé 2.471 317º Indianópolis 3.240 282º
Salto do Lontra 9.640 117º Santa Amélia 3.227 283º
Santa Amélia 3.227 283º Doutor Ulysses 3.222 284º
Santa Cecília do Pavão 2.434 320º Jataizinho 3.216 285º
Santa Cruz de Monte Castel 5.976 200º Marumbi 3.199 286º
Santa Fé 6.838 175º Uniflor 3.198 287º
Santa Helena 22.717 26º Lidianópolis 3.177 288º
Santa Inês 2.305 324º Inácio Martins 3.165 289º
Santa Isabel do Ivaí 6.263 193º Mauá da Serra 3.138 290º
Santa Izabel do Oeste 8.373 142º Diamante do Norte 3.071 291º
Santa Lúcia 2.846 300º Saudade do Iguaçu 3.066 292º
Santa Maria do Oeste 7.089 170º Santana do Itararé 3.058 293º
Santa Mariana 14.482 58º Balsa Nova 3.047 294º
Santa Mônica 2.746 307º Santo Antônio do Paraíso 3.044 295º
Santa Tereza do Oeste 8.818 132º Japira 3.014 296º
Santa Terezinha de Itaipu 9.041 125º Virmond 2.985 297º
Santana do Itararé 3.058 293º Marilena 2.921 298º
Santo Antônio da Platina 12.599 77º Ramilândia 2.882 299º
Santo Antônio do Caiuá 2.127 334º Santa Lúcia 2.846 300º
Santo Antônio do Paraíso 3.044 295º Califórnia 2.823 301º
Santo Antônio do Sudoeste 13.362 70º Jaboti 2.806 302º
Santo Inácio 6.699 179º Atalaia 2.799 303º
São Carlos do Ivaí 7.872 155º Inajá 2.784 304º
São Jerônimo da Serra 5.363 222º Rosário do Ivaí 2.781 305º
São João 10.811 92º Iracema do Oeste 2.767 306º
São João do Caiuá 5.550 216º Santa Mônica 2.746 307º
São João do Ivaí 9.869 110º Itaguajé 2.685 308º
São João do Triunfo 10.265 100º Agudos do Sul 2.624 309º
Tabela B.3
– Ranking do PIB agrícola municipal – ano-agrícola 1995-96, continuação
115
MUNICÍPIOS
(ranking de 1995-96)
PIB
Agrícola
CLASSIFI-
CAÇÃO
MUNICÍPIOS
(ranking de 1995-96)
PIB
Agrícola
CLASSIFI-
CAÇÃO
São Jorge do Ivaí 12.110 83º Campo do Tenente 2.591 310º
São Jorge do Patrocínio 5.330 225º São Pedro do Paraná 2.568 311º
São Jorge d'Oeste 8.050 150º Guapirama 2.532 312º
São José da Boa Vista 4.441 252º Guaratuba 2.500 313º
São José das Palmeiras 3.403 276º Lunardelli 2.472 314º
São José dos Pinhais 12.995 73º Guaraci 2.472 315º
São Manoel do Paraná 2.168 333º Paranapoema 2.471 316º
São Mateus do Sul 13.944 65º Salto do Itararé 2.471 317º
São Miguel do Iguaçu 26.174 19º Colombo 2.449 318º
São Pedro do Iguaçu 9.819 112º Rio Branco do Sul 2.437 319º
São Pedro do Ivaí 12.793 76º Santa Cecília do Pavão 2.434 320º
São Pedro do Paraná 2.568 311º Rio Bom 2.423 321º
São Sebastião da Amoreira 5.218 228º Quatiguá 2.368 322º
São Tomé 6.909 173º Novo Itacolomi 2.339 323º
Sapopema 4.206 259º Santa Inês 2.305 324º
Sarandi 4.056 261º Bocaiúva do Sul 2.303 325º
Saudade do Iguaçu 3.066 292º Amaporã 2.296 326º
Sengés 14.594 56º Porto Rico 2.257 327º
Sertaneja 10.097 104º Diamante D'Oeste 2.243 328º
Sertanópolis 13.204 72º Nova Olímpia 2.207 329º
Siqueira Campos 5.211 229º Nova Londrina 2.205 330º
Sulina 4.928 235º Godoy Moreira 2.188 331º
Tamboara 5.765 210º Anahy 2.185 332º
Tapejara 8.027 151º São Manoel do Paraná 2.168 333º
Tapira 11.504 86º Santo Antônio do Caiuá 2.127 334º
Teixeira Soares 24.039 22º Adrianópolis 2.107 335º
Telêmaco Borba 34.465 11º Diamante do Sul 2.075 336º
Terra Boa 7.548 163º Corumbataí do Sul 2.064 337º
Terra Rica 8.775 133º Nova Santa Bárbara 2.063 338º
Terra Roxa 18.462 40º Paranacity 2.038 339º
Tibagi 31.488 14º Pinhalão 1.949 340º
Tijucas do Sul 3.386 277º Ibema 1.910 341º
Toledo 60.181 1º Altamira do Paraná 1.875 342º
Tomazina 5.956 201º Porto Vitória 1.849 343º
Três Barras do Paraná 14.972 52º Nova Aliança do Ivaí 1.776 344º
Tunas do Paraná 307 359º Itaúna do Sul 1.461 345º
Tuneiras do Oeste 11.021 91º Itaperuçu 1.396 346º
Tupãssi 13.951 64º Pinhal de São Bento 1.299 347º
Turvo 5.903 202º Iguatu 1.244 348º
Ubiratã 22.718 25º Campina Grande do Sul 970 349º
Umuarama 20.518 32º Figueira 958 350º
União da Vitória 3.935 264º Jardim Olinda 919 351º
Uniflor 3.198 287º Antonina 901 352º
Uraí 5.721 211º Porto Amazonas 734 353º
Ventania 7.459 166º Guaraqueçaba 712 354º
Vera Cruz do Oeste 9.612 118º Fazenda Rio Grande 509 355º
Verê 9.382 121º Piraquara 480 356º
Vila Alta 5.288 227º Quatro Barras 475 357º
Virmond 2.985 297º Paranaguá 419 358º
Vitorino 8.258 146º Tunas do Paraná 307 359º
Wenceslau Braz 5.784 208º Pinhais 122 360º
Xambrê 4.673 243º Matinhos 65 361º
Tabela B.3
– Ranking do PIB agrícola municipal – ano-agrícola 1995-96, continuação
116
APÊNDICE C - RESULTADOS DEA
Tabela C.1 – Resultados DEA de 1970, em ordem alfabética
MUNICÍPIOS
de 1970
EFICI-
ÊNCIA
%
PIB
Atual
mil Cr$
PIB
Potencia
Mil Cr$
Peer 1
Peer 2
Peer 3
Abatiá 62,41 7.180 11.504 Barra do Jacaré Curitiba Sertaneja
Adrianópolis 50,18 3.444 6.863 Porecatu 0 0
Agudos do Sul 27,29 1.698 6.223 Barra do Jacaré Curitiba 0
Almirante Tamandaré 31,94 2.382 7.457 Curitiba Sertaneja 0
Alto Paraná 11,21 1.757 15.672 Barra do Jacaré Curitiba Sertaneja
Alto Piquiri 62,57 18.331 29.297 Barra do Jacaré Curitiba Sertaneja
Altônia 29,04 11.665 40.175 Barra do Jacaré Curitiba Sertaneja
Alvorada do Sul 61,41 10.171 16.562 Curitiba Sertaneja 0
Amaporã 50,15 2.173 4.333 Matinhos Sertaneja 0
Ampére 60,08 6.553 10.907 Barra do Jacaré Curitiba Sertaneja
Antonina 53,17 691 1.300 Curitiba Sertaneja 0
Antônio Olinto 25,36 2.169 8.552 Curitiba Sertaneja 0
Apucarana 28,86 7.815 27.078 Barra do Jacaré Curitiba Sertaneja
Arapongas 18,84 3.248 17.242 Barra do Jacaré Curitiba Sertaneja
Arapoti 42,07 6.403 15.222 Matinhos Sertaneja 0
Araruna 27,82 5.205 18.710 Barra do Jacaré Curitiba Sertaneja
Araucária 69,51 10.456 15.043 Curitiba Sertaneja 0
Assaí 64,75 12.223 18.878 Barra do Jacaré Curitiba Sertaneja
Assis Chateaubriand 42,6 30.274 71.069 Barra do Jacaré Curitiba Sertaneja
Astorga 24,68 4.766 19.307 Barra do Jacaré Curitiba Sertaneja
Atalaia 7,66 466 6.085 Barra do Jacaré Curitiba Sertaneja
Balsa Nova 33,38 1.381 4.138 Porecatu Sertaneja 0
Bandeirantes 93,18 20.455 21.951 Barra do Jacaré Curitiba Sertaneja
Barbosa Ferraz 52,4 17.685 33.750 Barra do Jacaré Curitiba Sertaneja
Barra do Jacaré 100 6.661 6.661 Barra do Jacaré 0 0
Barracão 42,81 7.030 16.422 Curitiba Sertaneja 0
Bela Vista do Paraíso 63,66 5.866 9.215 Curitiba Sertaneja 0
Boa Esperança 35,51 4.712 13.270 Barra do Jacaré Curitiba Sertaneja
Bocaiúva do Sul 44,2 3.995 9.038 Curitiba Sertaneja 0
Bom Sucesso 17,5 1.970 11.256 Barra do Jacaré Curitiba Sertaneja
Borrazópolis 52,32 8.972 17.148 Curitiba Sertaneja 0
Cafeara 42,36 1.774 4.188 Porecatu Sertaneja 0
Califórnia 38,14 3.190 8.364 Curitiba Sertaneja 0
Cambará 85,67 14.111 16.470 Barra do Jacaré Curitiba Sertaneja
Cambé 28,7 5.513 19.212 Barra do Jacaré Curitiba Sertaneja
Cambira 30,57 5.108 16.711 Barra do Jacaré Curitiba Sertaneja
Campina da Lagoa 31,3 8.336 26.637 Barra do Jacaré Curitiba Sertaneja
Campina Grande do Sul 63,13 1.425 2.257 Curitiba Sertaneja 0
Campo do Tenente 19,63 1.002 5.105 Curitiba Sertaneja 0
Campo Largo 29,61 4.815 16.262 Curitiba Sertaneja 0
Campo Mourão 48,95 32.210 65.797 Barra do Jacaré Curitiba Sertaneja
Cândido de Abreu 34,5 5.543 16.068 Curitiba Sertaneja 0
Capanema 59 11.291 19.138 Barra do Jacaré Curitiba Sertaneja
Capitão Leônidas Marques 40,16 8.758 21.806 Curitiba Sertaneja 0
Carlópolis 51,68 6.002 11.613 Barra do Jacaré Curitiba Sertaneja
Cascavel 60,96 33.331 54.677 Curitiba Sertaneja 0
Castro 64,52 25.213 39.076 Porecatu Sertaneja 0
Catanduvas 41,72 9.872 23.662 Curitiba Sertaneja 0
Centenário do Sul 50,51 7.270 14.394 Barra do Jacaré Curitiba Sertaneja
117
MUNICÍPIOS
de 1970
EFICI-
ÊNCIA
%
PIB
Atual
mil Cr$
PIB
Potencia
Mil Cr$
Peer 1
Peer 2
Peer 3
Cerro Azul 30,73 6.960 22.651 Curitiba Sertaneja 0
Céu Azul 57,49 9.678 16.833 Barra do Jacaré Curitiba Sertaneja
Chopinzinho 54,07 12.934 23.922 Barra do Jacaré Curitiba Sertaneja
Cianorte 22,66 7.361 32.485 Barra do Jacaré Curitiba Sertaneja
Cidade Gaúcha 37,56 3.517 9.365 Matinhos Sertaneja 0
Clevelândia 40,81 2.910 7.131 Porecatu Sertaneja 0
Colombo 86,57 3.804 4.394 Curitiba Sertaneja 0
Colorado 56,16 8.803 15.675 Barra do Jacaré Matinhos Sertaneja
Congonhinhas 80,26 16.449 20.495 Barra do Jacaré Curitiba Sertaneja
Conselheiro Mairinck 60,45 3.268 5.406 Matinhos Sertaneja 0
Contenda 57 5.211 9.143 Barra do Jacaré Curitiba Sertaneja
Corbélia 54,44 18.046 33.148 Barra do Jacaré Curitiba Sertaneja
Cornélio Procópio 39,1 9.042 23.123 Barra do Jacaré Curitiba Sertaneja
Coronel Vivida 55,37 11.289 20.389 Barra do Jacaré Curitiba Sertaneja
Cruz Machado 39,53 7.669 19.403 Barra do Jacaré Curitiba Sertaneja
Cruzeiro do Oeste 29,13 7.528 25.838 Barra do Jacaré Curitiba Sertaneja
Cruzeiro do Sul 30,93 2.516 8.133 Curitiba Sertaneja 0
Curitiba 100 5.780 5.780 Curitiba 0 0
Curiúva 19,43 2.908 14.966 Barra do Jacaré Curitiba Sertaneja
Diamante do Norte 29,6 1.922 6.493 Barra do Jacaré Curitiba Sertaneja
Dois Vizinhos 56,06 15.141 27.010 Barra do Jacaré Curitiba Sertaneja
Doutor Camargo 50 3.488 6.976 Barra do Jacaré Curitiba Sertaneja
Enéas Marques 51,71 6.873 13.291 Barra do Jacaré Curitiba Sertaneja
Engenheiro Beltrão 64,34 13.046 20.276 Barra do Jacaré Curitiba Sertaneja
Faxinal 40,06 11.314 28.241 Barra do Jacaré Curitiba Sertaneja
Fênix 74,11 6.474 8.735 Curitiba Sertaneja 0
Floraí 38,1 2.863 7.514 Barra do Jacaré Curitiba Sertaneja
Floresta 63,75 4.777 7.494 Barra do Jacaré Curitiba Sertaneja
Florestópolis 28,02 2.369 8.455 Curitiba Sertaneja 0
Flórida 43,96 1.071 2.436 Matinhos Sertaneja 0
Formosa do Oeste 27,73 11.112 40.079 Barra do Jacaré Curitiba Sertaneja
Foz do Iguaçu 52,38 7.648 14.601 Barra do Jacaré Curitiba Sertaneja
Francisco Beltrão 58,84 14.922 25.359 Barra do Jacaré Curitiba Sertaneja
General Carneiro 10,01 606 6.056 Porecatu 0 0
Goioerê 54,92 29.640 53.968 Curitiba Sertaneja 0
Grandes Rios 36,74 9.781 26.624 Barra do Jacaré Curitiba 0
Guaíra 44,49 9.227 20.741 Curitiba Sertaneja 0
Guairaçá 35,4 2.353 6.648 Porecatu 0 0
Guapirama 59,37 3.083 5.193 Matinhos Sertaneja 0
Guaporema 37,17 2.457 6.611 Matinhos Sertaneja 0
Guaraci 32,84 2.397 7.299 Barra do Jacaré Curitiba Sertaneja
Guaraniaçu 44,34 15.202 34.282 Curitiba Sertaneja 0
Guarapuava 41,91 34.862 83.183 Porecatu 0 0
Guaraqueçaba 31,05 1.085 3.495 Curitiba Sertaneja 0
Guaratuba 39,55 1.083 2.738 Curitiba Sertaneja 0
Ibaiti 40,46 7.979 19.720 Curitiba Sertaneja 0
Ibiporã 34,23 4.601 13.442 Barra do Jacaré Curitiba Sertaneja
Icaraíma 34,45 6.726 19.524 Barra do Jacaré Curitiba Sertaneja
Iguaraçu 22,98 2.081 9.055 Matinhos Sertaneja 0
Imbituva 38,07 7.441 19.543 Curitiba Sertaneja 0
Inajá 55,26 1.774 3.210 Matinhos Sertaneja 0
Indianópolis 23,35 2.264 9.696 Barra do Jacaré Curitiba Sertaneja
Tabela C.1 – Resultados DEA de 1970, em ordem alfabética, continuação
118
MUNICÍPIOS
de 1970
EFICI-
ÊNCIA
%
PIB
Atual
mil Cr$
PIB
Potencia
Mil Cr$
Peer 1
Peer 2
Peer 3
Ipiranga 29,26 4.071 13.915 Curitiba Sertaneja 0
Iporã 38,8 23.367 60.225 Barra do Jacaré Curitiba Sertaneja
Irati 39,97 7.628 19.084 Barra do Jacaré Curitiba Sertaneja
Iretama 44,71 6.357 14.219 Barra do Jacaré Curitiba Sertaneja
Itaguajé 65,15 3.635 5.580 Matinhos Sertaneja 0
Itambaracá 99,21 9.799 9.877 Barra do Jacaré Curitiba Sertaneja
Itambé 46,06 5.287 11.479 Barra do Jacaré Curitiba Sertaneja
Itapejara d'Oeste 80,5 7.549 9.378 Barra do Jacaré Curitiba Sertaneja
Itaúna do Sul 15,41 632 4.100 Matinhos Sertaneja 0
Ivaí 51,68 5.228 10.117 Curitiba Sertaneja 0
Ivaiporã 45,77 23.881 52.174 Barra do Jacaré Curitiba Sertaneja
Ivatuba 43,48 2.335 5.371 Barra do Jacaré Curitiba Sertaneja
Jaboti 43,39 2.032 4.683 Curitiba Sertaneja 0
Jacarezinho 66,18 12.461 18.828 Barra do Jacaré Matinhos Sertaneja
Jaguapitã 25,98 4.526 17.419 Curitiba Sertaneja 0
Jaguariaíva 36,68 3.745 10.209 Matinhos Sertaneja 0
Jandaia do Sul 32,34 3.214 9.937 Barra do Jacaré Curitiba Sertaneja
Japira 31,98 2.508 7.842 Barra do Jacaré Curitiba Sertaneja
Japurá 24,64 2.731 11.083 Barra do Jacaré Curitiba Sertaneja
Jardim Alegre 45,35 11.762 25.936 Barra do Jacaré Curitiba Sertaneja
Jardim Olinda 84,34 2.040 2.419 Matinhos Sertaneja 0
Jataizinho 54,53 3.475 6.372 Barra do Jacaré Curitiba Sertaneja
Joaquim Távora 53,84 4.319 8.021 Barra do Jacaré Curitiba Sertaneja
Jundiaí do Sul 66,94 4.147 6.196 Matinhos Sertaneja 0
Jussara 50,43 4.465 8.854 Barra do Jacaré Curitiba Sertaneja
Kaloré 46,43 4.852 10.450 Barra do Jacaré Curitiba Sertaneja
Lapa 25,37 8.608 33.935 Curitiba Sertaneja 0
Laranjeiras do Sul 50,35 20.223 40.167 Curitiba Sertaneja 0
Leópolis 62,99 6.785 10.772 Barra do Jacaré Curitiba Sertaneja
Loanda 23,37 3.468 14.841 Matinhos Sertaneja 0
Lobato 46,64 2.934 6.291 Matinhos Sertaneja 0
Londrina 44,43 30.777 69.268 Barra do Jacaré Curitiba Sertaneja
Lupionópolis 39,28 1.373 3.495 Matinhos Sertaneja 0
Mallet 28,07 3.700 13.179 Barra do Jacaré Curitiba Sertaneja
Mamborê 47,22 13.804 29.235 Barra do Jacaré Curitiba Sertaneja
Mandaguaçu 7,67 999 13.024 Barra do Jacaré Curitiba Sertaneja
Mandaguari 31,65 5.274 16.666 Barra do Jacaré Curitiba Sertaneja
Mandirituba 25,62 3.374 13.168 Barra do Jacaré Curitiba Sertaneja
Mangueirinha 44,43 9.572 21.546 Curitiba Sertaneja 0
Manoel Ribas 39,37 5.711 14.506 Barra do Jacaré Curitiba Sertaneja
Marechal Cândido Rondon 80,81 39.558 48.954 Barra do Jacaré Curitiba Sertaneja
Maria Helena 39,79 13.562 34.084 Barra do Jacaré Curitiba Sertaneja
Marialva 50,55 14.288 28.264 Barra do Jacaré Curitiba Sertaneja
Marilândia do Sul 36,57 6.763 18.495 Barra do Jacaré Curitiba Sertaneja
Marilena 35,16 2.218 6.308 Matinhos Sertaneja 0
Mariluz 76,36 11.354 14.869 Barra do Jacaré Matinhos Sertaneja
Maringá 54,73 13.224 24.161 Barra do Jacaré Curitiba Sertaneja
Mariópolis 47,88 3.276 6.842 Barra do Jacaré Curitiba Sertaneja
Marmeleiro 80,44 7.910 9.833 Barra do Jacaré Curitiba Sertaneja
Marumbi 28,73 2.966 10.323 Barra do Jacaré Curitiba Sertaneja
Matelândia 54,98 11.144 20.268 Barra do Jacaré Curitiba Sertaneja
Matinhos 100 1.179 1.179 Matinhos 0 0
Tabela C.1 – Resultados DEA de 1970, em ordem alfabética, continuação
119
MUNICÍPIOS
de 1970
EFICI-
ÊNCIA
%
PIB
Atual
mil Cr$
PIB
Potencia
Mil Cr$
Peer 1
Peer 2
Peer 3
Medianeira 62,91 19.224 30.557 Barra do Jacaré Curitiba Sertaneja
Mirador 79,95 1.748 2.186 Matinhos Sertaneja 0
Miraselva 23,89 1.828 7.651 Barra do Jacaré Curitiba Sertaneja
Moreira Sales 39,47 6.640 16.823 Barra do Jacaré Curitiba Sertaneja
Morretes 72,17 2.712 3.758 Curitiba Sertaneja 0
Munhoz de Melo 16,82 1.149 6.832 Barra do Jacaré Curitiba Sertaneja
Nossa Senhora das Graças 65,27 3.869 5.928 Matinhos Sertaneja 0
Nova Aliança do Ivaí 81,83 1.832 2.239 Matinhos Sertaneja 0
Nova América da Colina 34,84 1.944 5.580 Barra do Jacaré Curitiba Sertaneja
Nova Aurora 38,68 10.257 26.517 Curitiba Sertaneja 0
Nova Cantu 91,94 10.258 11.157 Curitiba Sertaneja 0
Nova Esperança 6,75 1.164 17.246 Barra do Jacaré Curitiba Sertaneja
Nova Fátima 28,68 2.620 9.135 Curitiba Sertaneja 0
Nova Londrina 42,34 2.468 5.828 Porecatu Sertaneja 0
Nova Olímpia 42,56 1.943 4.565 Barra do Jacaré Matinhos Sertaneja
Ortigueira 33,09 12.984 39.239 Curitiba Sertaneja 0
Ourizona 31,81 2.223 6.987 Barra do Jacaré Curitiba Sertaneja
Paiçandu 56,01 5.490 9.802 Barra do Jacaré Curitiba Sertaneja
Palmas 30,62 3.884 12.683 Porecatu Sertaneja 0
Palmeira 36,8 7.614 20.689 Porecatu Sertaneja 0
Palmital 38,36 12.750 33.241 Curitiba Sertaneja 0
Palotina 79,03 28.592 36.179 Barra do Jacaré Curitiba Sertaneja
Paraíso do Norte 74,74 3.935 5.265 Matinhos Sertaneja 0
Paranacity 48,88 6.024 12.324 Matinhos Sertaneja 0
Paranaguá 53,53 1.604 2.997 Curitiba Sertaneja 0
Paranapoema 50,62 1.522 3.007 Matinhos Sertaneja 0
Paranavaí 25,91 5.595 21.598 Matinhos Sertaneja 0
Pato Branco 50,32 10.817 21.498 Curitiba Sertaneja 0
Paula Freitas 34,17 2.492 7.292 Curitiba Sertaneja 0
Paulo Frontin 11,83 1.203 10.169 Curitiba Sertaneja 0
Peabiru 40,56 6.448 15.896 Barra do Jacaré Curitiba Sertaneja
Pérola 35,87 8.185 22.820 Barra do Jacaré Curitiba Sertaneja
Pérola d'Oeste 49,18 7.822 15.904 Barra do Jacaré Curitiba Sertaneja
Piên 41,51 3.159 7.610 Barra do Jacaré Curitiba Sertaneja
Pinhalão 35,04 2.146 6.124 Barra do Jacaré Curitiba Sertaneja
Pinhão 22,36 7.765 34.730 Porecatu 0 0
Piraí do Sul 34,14 3.849 11.273 Porecatu 0 0
Piraquara 43,82 1.487 3.394 Curitiba Sertaneja 0
Pitanga 29,61 20.826 70.323 Curitiba Sertaneja 0
Planaltina do Paraná 45,07 2.351 5.216 Matinhos Sertaneja 0
Planalto 63,72 10.264 16.108 Barra do Jacaré Curitiba Sertaneja
Ponta Grossa 76,04 13.915 18.299 Porecatu 0 0
Porecatu 100 7.237 7.237 Porecatu 0 0
Porto Amazonas 34,99 486 1.389 Porecatu 0 0
Porto Rico 34,25 1.954 5.705 Barra do Jacaré Curitiba Sertaneja
Porto Vitória 38,15 1.428 3.743 Curitiba Sertaneja 0
Primeiro de Maio 50,54 10.547 20.870 Barra do Jacaré Curitiba Sertaneja
Prudentópolis 27,31 11.125 40.737 Curitiba Sertaneja 0
Quatiguá 56,71 2.300 4.056 Barra do Jacaré Curitiba Sertaneja
Quatro Barras 20,21 216 1.069 Curitiba Sertaneja 0
Querência do Norte 87,82 9.573 10.901 Matinhos Sertaneja 0
Quinta do Sol 57,61 7.789 13.520 Curitiba Sertaneja 0
Tabela C.1 – Resultados DEA de 1970, em ordem alfabética, continuação
120
MUNICÍPIOS
de 1970
EFICI-
ÊNCIA
%
PIB
Atual
mil Cr$
PIB
Potencia
Mil Cr$
Peer 1
Peer 2
Peer 3
Quitandinha 35,32 4.293 12.153 Barra do Jacaré Curitiba Sertaneja
Rancho Alegre 71,88 4.499 6.259 Barra do Jacaré Curitiba Sertaneja
Realeza 52,69 7.447 14.133 Barra do Jacaré Curitiba Sertaneja
Rebouças 22,54 3.289 14.594 Barra do Jacaré Curitiba Sertaneja
Renascença 41,52 3.270 7.876 Barra do Jacaré Curitiba Sertaneja
Reserva 30,03 7.288 24.266 Curitiba Sertaneja 0
Ribeirão Claro 42,62 5.447 12.780 Matinhos Sertaneja 0
Ribeirão do Pinhal 34,41 4.450 12.932 Barra do Jacaré Curitiba Sertaneja
Rio Azul 15,08 2.022 13.411 Barra do Jacaré Curitiba Sertaneja
Rio Bom 39,67 3.902 9.837 Barra do Jacaré Curitiba Sertaneja
Rio Branco do Sul 21,46 4.293 20.008 Curitiba Sertaneja 0
Rio Negro 39,01 3.186 8.166 Curitiba Sertaneja 0
Rolândia 13,57 3.822 28.171 Barra do Jacaré Curitiba Sertaneja
Roncador 42,93 4.809 11.203 Barra do Jacaré Curitiba Sertaneja
Rondon 79,84 14.451 18.100 Matinhos Sertaneja 0
Sabáudia 6,34 555 8.760 Barra do Jacaré Curitiba Sertaneja
Salgado Filho 53,32 6.513 12.215 Barra do Jacaré Curitiba Sertaneja
Salto do Itararé 38,37 2.600 6.776 Barra do Jacaré Curitiba Sertaneja
Salto do Lontra 44,33 11.826 26.678 Curitiba Sertaneja 0
Santa Amélia 84,43 4.160 4.927 Barra do Jacaré Curitiba Sertaneja
Santa Cecília do Pavão 44,02 4.163 9.457 Barra do Jacaré Curitiba Sertaneja
Santa Cruz de Monte Castelo 18,16 2.495 13.742 Barra do Jacaré Curitiba Sertaneja
Santa Fé 22,57 2.581 11.436 Barra do Jacaré Curitiba Sertaneja
Santa Helena 60,43 14.791 24.478 Barra do Jacaré Curitiba Sertaneja
Santa Inês 35 1.912 5.462 Matinhos Sertaneja 0
Santa Isabel do Ivaí 32,55 5.313 16.320 Matinhos Sertaneja 0
Santa Izabel do Oeste 37,54 4.529 12.064 Barra do Jacaré Curitiba Sertaneja
Santa Mariana 75,37 9.371 12.433 Matinhos Sertaneja 0
Santana do Itararé 41,01 3.653 8.909 Barra do Jacaré Curitiba Sertaneja
Santo Antônio da Platina 62,32 17.291 27.747 Barra do Jacaré Curitiba Sertaneja
Santo Antônio do Caiuá 54,44 2.100 3.857 Matinhos Sertaneja 0
Santo Antônio do Paraíso 56,37 3.639 6.456 Barra do Jacaré Curitiba Sertaneja
Santo Antônio do Sudoeste 46,08 13.007 28.228 Curitiba Sertaneja 0
Santo Inácio 68,68 4.507 6.562 Matinhos Sertaneja 0
São Carlos do Ivaí 45,09 2.665 5.910 Matinhos Sertaneja 0
São Jerônimo da Serra 37,09 8.115 21.877 Barra do Jacaré Curitiba Sertaneja
São João 50,2 8.115 16.164 Barra do Jacaré Curitiba Sertaneja
São João do Caiuá 26,16 1.575 6.022 Matinhos Sertaneja 0
São João do Ivaí 63,47 25.025 39.431 Barra do Jacaré Curitiba Sertaneja
São João do Triunfo 31,48 3.721 11.821 Barra do Jacaré Curitiba Sertaneja
São Jorge do Ivaí 43,3 6.915 15.971 Barra do Jacaré Curitiba Sertaneja
São Jorge d'Oeste 57,61 5.979 10.379 Barra do Jacaré Curitiba Sertaneja
São José da Boa Vista 33,43 3.112 9.310 Barra do Jacaré Curitiba Sertaneja
São José dos Pinhais 13,8 2.304 16.698 Curitiba Sertaneja 0
São Mateus do Sul 76,18 15.747 20.670 Curitiba Sertaneja 0
São Miguel do Iguaçu 57,94 12.406 21.413 Barra do Jacaré Curitiba Sertaneja
São Pedro do Ivaí 48,58 7.342 15.115 Barra do Jacaré Curitiba Sertaneja
São Sebastião da Amoreira 54,9 4.272 7.782 Curitiba Sertaneja 0
São Tomé 8,9 861 9.671 Curitiba Sertaneja 0
Sapopema 28,37 3.201 11.281 Curitiba Sertaneja 0
Sengés 20,9 3.559 17.031 Barra do Jacaré Matinhos Sertaneja
Sertaneja 100 13.709 13.709 Sertaneja 0 0
Tabela C.1 – Resultados DEA de 1970, em ordem alfabética, continuação
121
MUNICÍPIOS
de 1970
EFICI-
ÊNCIA
%
PIB
Atual
mil Cr$
PIB
Potencia
Mil Cr$
Peer 1
Peer 2
Peer 3
Sertanópolis 63,22 10.760 17.021 Barra do Jacaré Matinhos Sertaneja
Siqueira Campos 47,88 5.208 10.878 Barra do Jacaré Curitiba Sertaneja
Tamboara 25,92 2.418 9.327 Curitiba Sertaneja 0
Tapejara 14,92 2.655 17.791 Barra do Jacaré Curitiba Sertaneja
Tapira 34,44 6.191 17.977 Curitiba Sertaneja 0
Teixeira Soares 47,76 6.683 13.992 Porecatu 0 0
Terra Boa 16,75 2.238 13.363 Barra do Jacaré Curitiba Sertaneja
Terra Rica 26,47 3.532 13.343 Matinhos Sertaneja 0
Terra Roxa 44,77 14.190 31.698 Barra do Jacaré Curitiba Sertaneja
Tibagi 47,04 9.032 19.201 Porecatu 0 0
Tijucas do Sul 22,31 2.043 9.158 Curitiba Sertaneja 0
Toledo 71,13 44.384 62.396 Curitiba Sertaneja 0
Tomazina 45,06 7.464 16.564 Barra do Jacaré Curitiba Sertaneja
Tuneiras do Oeste 28,48 5.596 19.646 Barra do Jacaré Curitiba Sertaneja
Ubiratã 51,45 17.350 33.723 Barra do Jacaré Curitiba Sertaneja
Umuarama 42,09 35.043 83.250 Curitiba Sertaneja 0
União da Vitória 67,72 5.747 8.486 Curitiba Sertaneja 0
Uniflor 9,41 405 4.303 Barra do Jacaré Curitiba Sertaneja
Uraí 64,34 5.994 9.317 Barra do Jacaré Curitiba Sertaneja
Verê 60,49 7.748 12.808 Barra do Jacaré Curitiba Sertaneja
Vitorino 78,69 5.532 7.030 Curitiba Sertaneja 0
Wenceslau Braz 49,58 6.061 12.224 Curitiba Sertaneja 0
Xambrê 37,75 5.459 14.459 Barra do Jacaré Curitiba Sertaneja
Tabela C.1 – Resultados DEA de 1970, em ordem alfabética, continuação
122
Tabela C.2 – Resultados DEA de 1980, em ordem alfabética.
MUNICÍPIOS DE
1980
EFICI-
ÊNCIA
%
PIB
ATUAL
mil Cr$
PIB
POTENCIAL
mil Cr$
Peer 1
Peer 2
Peer 3
Abatiá 59,68 229.537 384.639
Contenda Paiçandu São José da Boa Vista
Adrianópolis 22,65 97.071 428.480
Altônia Icaraíma São José da Boa Vista
Agudos do Sul 33,04 94.261 285.308
Curitiba
São Mateus do
Sul 0
Almirante
Tamandaré
49,89 128.441 257.470
Contenda Curitiba Morretes
Alto Paraná 68,91 425.429 617.329
Icaraíma Paiçandu São José da Boa Vista
Alto Piquiri 41,08 542.106
1.319.503
Jardim Olinda Paiçandu Rancho Alegre
Altônia 100,00 1.287.096
1.287.096 Altônia 0 0
Alvorada do Sul 60,29 410.217 680.403
Rancho Alegre
São Mateus do
Sul 0
Amaporã 83,32 279.967 336.006
Inajá Jardim Olinda Paiçandu
Ampére 60,94 397.328 651.958
Contenda Curitiba Morretes
Andirá 79,42 375.183 472.392
Paiçandu Rancho Alegre São Mateus do Sul
Antonina 38,52 124.013 321.963
Icaraíma Inajá Paiçandu
Antônio Olinto 50,72 172.266 339.655
Contenda Curitiba Morretes
Apucarana 45,67 442.745 969.345
Contenda Paiçandu São José da Boa Vista
Arapongas 53,37 370.376 693.995
Contenda Paiçandu São Mateus do Sul
Arapoti 54,01 668.188
1.237.101 Jardim Olinda Paiçandu Rancho Alegre
Araruna 40,70 270.888 665.538
Altônia Icaraíma São José da Boa Vista
Araucária 55,57 310.768 559.188
Contenda Curitiba São Mateus do Sul
Assaí 67,49 584.304 865.781
Contenda Paiçandu São Mateus do Sul
Assis
Chateaubriand 87,88 2.339.689
2.662.389 Contenda Paiçandu São Mateus do Sul
Astorga 50,40 401.908 797.516
Jardim Olinda Paiçandu Rancho Alegre
Atalaia 49,69 128.025 257.655
Altônia Icaraíma São José da Boa Vista
Balsa Nova 26,74 64.830 242.440
Icaraíma Inajá Paiçandu
Bandeirantes 73,98 677.865 916.324
Contenda Paiçandu São Mateus do Sul
Barbosa Ferraz 88,13 1.016.899
1.153.829
Altônia Icaraíma São José da Boa Vista
Barra do Jacaré 68,94 165.619 240.245
Paiçandu Rancho Alegre São Mateus do Sul
Barracão 64,96 449.576 692.129
Altônia Contenda Morretes
Bela Vista do
Paraíso 64,68 317.584 490.982
Jardim Olinda Paiçandu Rancho Alegre
Bituruna 72,71 297.905 409.696
Altônia Icaraíma São José da Boa Vista
Boa Esperança 65,63 382.377 582.638
Paiçandu Rancho Alegre São Mateus do Sul
Bocaiúva do Sul 27,34 115.649 423.058
Altônia Icaraíma São José da Boa Vista
Bom Sucesso 61,31 307.051 500.805
Jardim Olinda Paiçandu Rancho Alegre
Borrazópolis 75,51 462.923 613.096
Altônia Icaraíma São José da Boa Vista
Cafeara 64,37 134.354 208.723
Inajá Jardim Olinda Paiçandu
Califórnia 42,12 105.809 251.191
Altônia Icaraíma São José da Boa Vista
Cambará 91,76 637.076 694.292
Paiçandu Rancho Alegre São Mateus do Sul
Cambé 62,49 568.207 909.311
Paiçandu Rancho Alegre São Mateus do Sul
Cambira 44,01 266.238 605.000
Altônia Contenda São José da Boa Vista
Campina da Lagoa 43,16 512.623
1.187.819 Jardim Olinda Paiçandu Rancho Alegre
Campina Grande
do Sul
55,08 125.938 228.634
Altônia Icaraíma São José da Boa Vista
Campo do Tenente
31,54 76.319 241.989
Jardim Olinda Paiçandu Rancho Alegre
Campo Largo 53,96 391.726 725.897
Altônia Contenda Morretes
Campo Mourão 80,47 1.997.090
2.481.730 Jardim Olinda Paiçandu Rancho Alegre
Cândido de Abreu 53,17 438.245 824.218
Altônia Icaraíma São José da Boa Vista
Capitão Leônidas
Marques 94,54 1.176.556
1.244.492 Altônia Contenda Morretes
123
MUNICÍPIOS DE
1980
EFICI-
ÊNCIA
%
PIB
ATUAL
mil Cr$
PIB
POTENCIAL
mil Cr$
Peer 1
Peer 2
Peer 3
Carlópolis 81,06 506.752 625.132
Altônia Contenda São José da Boa Vista
Cascavel 62,82 2.476.428
3.942.336
Jardim Olinda Paiçandu Rancho Alegre
Castro 45,41 1.116.596
2.458.989 Jardim Olinda Paiçandu Rancho Alegre
Catanduvas 50,25 749.898
1.492.217 Altônia Icaraíma São José da Boa Vista
Centenário do Sul 64,01 354.213 553.343
Jardim Olinda Paiçandu Rancho Alegre
Cerro Azul 26,88 263.012 978.468
Altônia Icaraíma São José da Boa Vista
Céu Azul 55,84 696.539
1.247.307
Paiçandu Rancho Alegre São Mateus do Sul
Chopinzinho 60,22 873.030
1.449.844 Altônia Contenda São José da Boa Vista
Cianorte 43,73 580.274
1.326.967
Altônia Icaraíma São José da Boa Vista
Cidade Gaúcha 65,18 285.645 438.232
Icaraíma Inajá Paiçandu
Clevelândia 44,66 220.933 494.742
Jardim Olinda Paiçandu Rancho Alegre
Colombo 55,08 92.797 168.470
Contenda Curitiba São Mateus do Sul
Colorado 88,88 644.905 725.616
Jardim Olinda Paiçandu Rancho Alegre
Congonhinhas 27,08 149.416 551.711
Icaraíma Inajá Paiçandu
Conselheiro
Mairinck 67,20 131.692 195.965
Icaraíma Inajá Paiçandu
Contenda 100,00 275.045 275.045
Contenda 0 0
Corbélia 64,52 1.017.409
1.576.933 Icaraíma Paiçandu São José da Boa Vista
Cornélio Procópio 49,04 472.398 963.304
Jardim Olinda Paiçandu Rancho Alegre
Coronel Vivida 59,02 624.581
1.058.272 Altônia Contenda São José da Boa Vista
Cruz Machado 48,06 446.830 929.806
Contenda Paiçandu São Mateus do Sul
Cruzeiro do Oeste 59,18 533.370 901.286
Icaraíma Inajá Paiçandu
Cruzeiro do Sul 76,40 289.198 378.540
Icaraíma Inajá Paiçandu
Curitiba 100,00 127.148 127.148
Curitiba 0 0
Curiúva 37,48 299.867 800.001
Altônia Icaraíma São José da Boa Vista
Diamante do Norte 82,58 268.236 324.828
Icaraíma Paiçandu São José da Boa Vista
Dois Vizinhos 73,60 1.140.354
1.549.331
Altônia Contenda São José da Boa Vista
Doutor Camargo 78,01 186.868 239.558
Altônia Contenda Morretes
Enéas Marques 64,81 464.727 717.084
Altônia Contenda São José da Boa Vista
Engenheiro Beltrão
76,56 643.301 840.279
Jardim Olinda Paiçandu Rancho Alegre
Faxinal 47,52 591.916
1.245.691 Icaraíma Inajá Paiçandu
Fênix 78,99 337.318 427.036
Paiçandu Rancho Alegre São Mateus do Sul
Floraí 73,02 257.976 353.273
Jardim Olinda Paiçandu Rancho Alegre
Floresta 81,68 269.789 330.306
Paiçandu Rancho Alegre São Mateus do Sul
Florestópolis 71,21 268.553 377.114
Jardim Olinda Paiçandu Rancho Alegre
Flórida 75,93 87.465 115.188
Inajá Jardim Olinda Paiçandu
Formosa do Oeste 80,72 1.059.790
1.312.927 Altônia Contenda Morretes
Foz do Iguaçu 65,25 478.670 733.630
Jardim Olinda Paiçandu Rancho Alegre
Francisco Alves 69,39 393.812 567.509
Altônia Icaraíma São José da Boa Vista
Francisco Beltrão 52,14 824.860
1.581.868
Contenda Paiçandu São Mateus do Sul
General Carneiro 40,15 125.148 311.697
Jardim Olinda Paiçandu Rancho Alegre
Goioerê 64,29 1.381.216
2.148.444 Contenda Paiçandu São Mateus do Sul
Grandes Rios 62,56 757.796
1.211.267 Altônia Icaraíma 0
Guaíra 61,99 534.354 861.946
Paiçandu Rancho Alegre São Mateus do Sul
Guairaçá 63,28 332.531 525.496
Inajá Jardim Olinda Paiçandu
Guapirama 69,29 161.406 232.954
Jardim Olinda Paiçandu Rancho Alegre
Tabela C.2 – Resultados DEA de 1980, em ordem alfabética, continuação
124
MUNICÍPIOS DE
1980
EFICI-
ÊNCIA
%
PIB
ATUAL
mil Cr$
PIB
POTENCIAL
mil Cr$
Peer 1
Peer 2
Peer 3
Guaporema 61,20 126.939 207.420
Inajá Jardim Olinda Paiçandu
Guaraci 78,08 181.521 232.487
Icaraíma Inajá Paiçandu
Guaraniaçu 29,88 649.022
2.172.030 Inajá Jardim Olinda Paiçandu
Guarapuava 51,07 2.769.563
5.422.737
Inajá Jardim Olinda Paiçandu
Guaraqueçaba 44,12 249.228 564.849
Inajá Jardim Olinda Paiçandu
Guaratuba 31,10 114.099 366.844
Inajá Jardim Olinda Paiçandu
Ibaiti 34,53 448.203
1.298.110 Inajá Jardim Olinda Paiçandu
Ibiporã 58,58 304.512 519.797
Contenda Paiçandu São Mateus do Sul
Icaraíma 100,00 769.963 769.963
Icaraíma 0 0
Iguaraçu 71,33 286.405 401.543
Jardim Olinda Paiçandu Rancho Alegre
Imbituva 26,49 354.620
1.338.676
Paiçandu Rancho Alegre São Mateus do Sul
Inajá 100,00 173.911 173.911
Inajá 0 0
Indianópolis 44,31 157.002 354.289
Altônia Icaraíma São José da Boa Vista
Ipiranga 31,93 282.470 884.675
Paiçandu Rancho Alegre São Mateus do Sul
Iporã 60,73 867.190
1.427.984
Altônia Icaraíma São José da Boa Vista
Irati 47,14 516.165
1.095.055 Contenda Curitiba São Mateus do Sul
Iretama 62,21 485.124 779.802
Altônia Icaraíma São José da Boa Vista
Itaguajé 87,80 196.568 223.885
Icaraíma Inajá Paiçandu
Itambaracá 85,29 375.498 440.276
Paiçandu Rancho Alegre São Mateus do Sul
Itambé 63,88 312.229 488.754
Paiçandu Rancho Alegre São Mateus do Sul
Itapejara d'Oeste 77,47 378.107 488.050
Altônia Contenda São José da Boa Vista
Itaúna do Sul 41,86 82.165 196.280
Icaraíma Paiçandu São José da Boa Vista
Ivaí 41,90 254.018 606.198
Contenda Paiçandu São Mateus do Sul
Ivaiporã 81,49 1.335.231
1.638.568 Altônia Contenda Morretes
Ivatuba 73,37 171.442 233.677
Contenda Paiçandu São Mateus do Sul
Jaboti 56,15 120.090 213.892
Altônia Icaraíma São José da Boa Vista
Jacarezinho 93,78 818.761 873.037
Jardim Olinda Paiçandu Rancho Alegre
Jaguapitã 46,56 329.426 707.529
Inajá Jardim Olinda Paiçandu
Jaguariaíva 28,62 252.499 882.332
Inajá Jardim Olinda Paiçandu
Jandaia do Sul 55,49 202.466 364.862
Altônia Contenda São José da Boa Vista
Janiópolis 56,54 382.107 675.820
Altônia Contenda São José da Boa Vista
Japira 35,87 124.132 346.045
Icaraíma Inajá Paiçandu
Japurá 98,17 307.645 313.395
Altônia Contenda Morretes
Jardim Alegre 61,14 706.681
1.155.916
Altônia Contenda São José da Boa Vista
Jardim Olinda 100,00 113.618 113.618
Jardim Olinda 0 0
Jataizinho 80,53 227.118 282.027
Jardim Olinda Paiçandu Rancho Alegre
Joaquim Távora 87,91 318.809 362.657
Altônia Icaraíma São José da Boa Vista
Jundiaí do Sul 76,84 394.965 513.999
Icaraíma Inajá Paiçandu
Jussara 64,60 221.896 343.467
Contenda Paiçandu São Mateus do Sul
Kaloré 79,17 305.292 385.598
Altônia Contenda São José da Boa Vista
Lapa 48,51 962.632
1.984.446 Jardim Olinda Paiçandu Rancho Alegre
Laranjeiras do Sul 50,24 1.035.951
2.062.125
Altônia Icaraíma São José da Boa Vista
Leópolis 69,56 335.194 481.862
Jardim Olinda Paiçandu Rancho Alegre
Loanda 74,54 545.718 732.095
Inajá Jardim Olinda Paiçandu
Lobato 84,97 232.263 273.339
Jardim Olinda Paiçandu Rancho Alegre
Londrina 58,30 1.795.695
3.080.078 Jardim Olinda Paiçandu Rancho Alegre
Lupionópolis 49,48 104.185 210.562
Icaraíma Paiçandu São José da Boa Vista
Tabela C.2 – Resultados DEA de 1980, em ordem alfabética, continuação
125
MUNICÍPIOS DE
1980
EFICI-
ÊNCIA
%
PIB
ATUAL
mil Cr$
PIB
POTENCIAL
mil Cr$
Peer 1
Peer 2
Peer 3
Mallet 28,60 172.987 604.769
Contenda Paiçandu São Mateus do Sul
Mamborê 53,01 982.194
1.852.876
Paiçandu Rancho Alegre São Mateus do Sul
Mandaguaçu 75,27 378.521 502.895
Icaraíma Paiçandu São José da Boa Vista
Mandaguari 44,72 276.987 619.313
Altônia Icaraíma São José da Boa Vista
Mandirituba 41,51 154.851 373.056
Altônia Contenda Morretes
Mangueirinha 38,36 472.455
1.231.721
Jardim Olinda Paiçandu Rancho Alegre
Manoel Ribas 47,02 354.534 753.974
Altônia Icaraíma São José da Boa Vista
Marechal Cândido
Rondon 86,33 2.262.369
2.620.651 Contenda Paiçandu São Mateus do Sul
Maria Helena 75,82 864.634
1.140.405
Altônia Icaraíma São José da Boa Vista
Marialva 73,22 838.924
1.145.806 Paiçandu Rancho Alegre São Mateus do Sul
Marilândia do Sul 36,72 255.880 696.903
Jardim Olinda Paiçandu Rancho Alegre
Marilena 63,78 206.938 324.435
Altônia Icaraíma São José da Boa Vista
Mariluz 57,76 358.003 619.807
Jardim Olinda Paiçandu Rancho Alegre
Maringá 59,67 559.909 938.343
Contenda Paiçandu São Mateus do Sul
Mariópolis 57,44 212.621 370.164
Paiçandu Rancho Alegre São Mateus do Sul
Marmeleiro 82,61 653.246 790.751
Contenda Paiçandu São José da Boa Vista
Marumbi 59,59 191.034 320.564
Icaraíma Paiçandu São José da Boa Vista
Matelândia 53,08 664.804
1.252.472 Altônia Icaraíma São José da Boa Vista
Matinhos 7,42 2.645 35.629
Jardim Olinda Paiçandu Rancho Alegre
Medianeira 79,87 1.353.617
1.694.802 Altônia Contenda São José da Boa Vista
Mirador 63,52 136.361 214.683
Inajá Jardim Olinda Paiçandu
Miraselva 49,44 181.346 366.830
Jardim Olinda Paiçandu Rancho Alegre
Moreira Sales 85,80 585.068 681.895
Altônia Contenda São José da Boa Vista
Morretes 100,00 274.211 274.211
Morretes 0 0
Munhoz de Melo 63,51 158.228 249.148
Altônia Icaraíma São José da Boa Vista
Nossa Senhora
das Graças
62,93 169.361 269.142
Jardim Olinda Paiçandu Rancho Alegre
Nova Aliança do
Ivaí 55,14 59.566 108.032
Inajá Jardim Olinda Paranapoema
Nova América da
Colina
42,50 101.928 239.803
Icaraíma Paiçandu São José da Boa Vista
Nova Aurora 87,31 773.070 885.449
Contenda Paiçandu São José da Boa Vista
Nova Cantu 45,80 325.052 709.703
Altônia Icaraíma São José da Boa Vista
Nova Esperança 52,61 377.674 717.863
Altônia Icaraíma São José da Boa Vista
Nova Fátima 39,01 144.531 370.523
Jardim Olinda Rancho Alegre Sertaneja
Nova Londrina 52,91 172.749 326.465
Inajá Jardim Olinda Paiçandu
Nova Olímpia 65,11 125.105 192.156
Altônia Icaraíma São José da Boa Vista
Nova Santa Rosa 72,66 364.107 501.139
Contenda Paiçandu São Mateus do Sul
Ortigueira 39,00 726.368
1.862.517 Altônia Icaraíma São José da Boa Vista
Ourizona 72,85 251.256 344.894
Jardim Olinda Paiçandu Rancho Alegre
Paiçandu 100,00 326.451 326.451
Paiçandu 0 0
Palmas 84,50 970.539
1.148.610
Inajá Jardim Olinda Paiçandu
Palmeira 47,17 725.994
1.539.233 Jardim Olinda Paiçandu Rancho Alegre
Palmital 45,04 751.988
1.669.453 Altônia Icaraíma São José da Boa Vista
Palotina 92,33 1.773.865
1.921.189 Paiçandu Rancho Alegre São Mateus do Sul
Paraíso do Norte 43,27 132.721 306.702
Inajá Jardim Olinda Paiçandu
Paranacity 87,38 356.586 408.104
Inajá Jardim Olinda Paiçandu
Paranaguá 27,38 64.271 234.737
Contenda Paiçandu São Mateus do Sul
Tabela C.2 – Resultados DEA de 1980, em ordem alfabética, continuação
126
MUNICÍPIOS DE
1980
EFICI-
ÊNCIA
%
PIB
ATUAL
mil Cr$
PIB
POTENCIAL
mil Cr$
Peer 1
Peer 2
Peer 3
Paranapoema 100,00 142.312 142.312
Paranapoema 0 0
Paranavaí 69,57 932.763
1.340.695
Inajá Jardim Olinda Paiçandu
Pato Branco 59,97 697.282
1.162.791 Contenda Paiçandu São Mateus do Sul
Paulo Frontin 28,31 134.702 475.889
Rancho Alegre
São Mateus do
Sul 0
Peabiru 63,31 530.385 837.795
Jardim Olinda Paiçandu Rancho Alegre
Pérola 72,78 522.580 717.991
Altônia Contenda São José da Boa Vista
Pérola d'Oeste 62,94 444.575 706.384
Altônia Contenda Morretes
Piên 41,07 144.094 350.837
Curitiba
São Mateus do
Sul 0
Pinhalão 46,01 153.579 333.787
Altônia Icaraíma São José da Boa Vista
Pinhão 59,87 1.102.563
1.841.480 Inajá Jardim Olinda Paiçandu
Piraí do Sul 43,36 392.166 904.417
Inajá Jardim Olinda Paiçandu
Piraquara 52,96 84.265 159.116
Contenda Paiçandu São Mateus do Sul
Pitanga 38,18 1.473.589
3.859.933
Altônia Icaraíma São José da Boa Vista
Planaltina do
Paraná 84,45 266.997 316.150
Icaraíma Inajá 0
Planalto 94,15 880.695 935.420
Contenda Curitiba São Mateus do Sul
Ponta Grossa 47,55 786.187
1.653.518
Jardim Olinda Rancho Alegre Sertaneja
Porecatu 100,00 342.684 342.684
Porecatu 0 0
Porto Amazonas 10,72 14.519 135.454
Inajá Jardim Olinda Paiçandu
Porto Rico 88,27 197.395 223.614
Altônia Icaraíma São José da Boa Vista
Porto Vitória 70,70 127.525 180.382
Icaraíma Paiçandu São José da Boa Vista
Presidente Castelo
Branco 55,30 148.700 268.873
Altônia Icaraíma São José da Boa Vista
Primeiro de Maio 73,37 484.188 659.913
Paiçandu Rancho Alegre São Mateus do Sul
Prudentópolis 70,52 915.782
1.298.560 Altônia Morretes 0
Quatiguá 75,96 113.982 150.063
Altônia Icaraíma São José da Boa Vista
Quatro Barras 59,16 33.469 56.576
Contenda Curitiba São Mateus do Sul
Quedas do Iguaçu 47,79 425.069 889.419
Altônia Icaraíma São José da Boa Vista
Querência do
Norte 53,46 355.890 665.720
Inajá Jardim Olinda Paiçandu
Quinta do Sol 81,36 415.417 510.594
Jardim Olinda Paiçandu Rancho Alegre
Quitandinha 39,87 255.674 641.343
Contenda Curitiba São Mateus do Sul
Rancho Alegre 100,00 286.937 286.937
Rancho Alegre 0 0
Realeza 73,84 588.114 796.515
Altônia Contenda São José da Boa Vista
Rebouças 31,31 184.429 589.005
Contenda Paiçandu São Mateus do Sul
Renascença 49,38 292.138 591.649
Jardim Olinda Paiçandu Rancho Alegre
Reserva 37,84 474.458
1.253.708 Altônia Icaraíma São José da Boa Vista
Ribeirão Claro 58,61 320.834 547.390
Icaraíma Inajá Paiçandu
Ribeirão do Pinhal 52,17 297.207 569.683
Icaraíma Paiçandu São José da Boa Vista
Rio Azul 33,26 251.659 756.741
Rancho Alegre
São Mateus do
Sul
0
Rio Bom 58,84 148.081 251.650
Altônia Icaraíma São José da Boa Vista
Rio Branco do Sul 33,41 240.332 719.276
Altônia Icaraíma São José da Boa Vista
Rio Negro 39,00 174.039 446.238
Rancho Alegre
São Mateus do
Sul 0
Rolândia 52,36 635.719
1.214.125 Contenda Paiçandu São Mateus do Sul
Roncador 48,72 418.356 858.660
Altônia Contenda São José da Boa Vista
Rondon 55,72 389.609 699.236
Icaraíma Inajá Paiçandu
Sabáudia 42,13 157.159 373.054
Icaraíma Inajá Paiçandu
Salgado Filho 74,26 464.493 625.482
Altônia Contenda Morretes
Tabela C.2 – Resultados DEA de 1980, em ordem alfabética, continuação
127
MUNICÍPIOS DE
1980
EFICI-
ÊNCIA
%
PIB
ATUAL
mil Cr$
PIB
POTENCIAL
mil Cr$
Peer 1
Peer 2
Peer 3
Salto do Itararé 99,06 289.376 292.122
Altônia Contenda São José da Boa Vista
Salto do Lontra 69,74 1.140.646
1.635.602
Contenda Paiçandu São Mateus do Sul
Santa Amélia 76,64 137.510 179.421
Altônia Contenda São José da Boa Vista
Santa Cecília do
Pavão
39,28 127.837 325.414
Altônia Contenda São José da Boa Vista
Santa Cruz de
Monte Castelo 58,84 311.765 529.870
Icaraíma Inajá Paiçandu
Santa Fé 75,14 342.726 456.126
Icaraíma Paiçandu São José da Boa Vista
Santa Helena 66,84 1.064.513
1.592.642
Altônia Contenda São José da Boa Vista
Santa Inês 76,51 122.860 160.583
Icaraíma Inajá Paiçandu
Santa Isabel do
Ivaí
77,07 602.089 781.193
Icaraíma Inajá Paiçandu
Santa Izabel do
Oeste 52,55 423.528 806.018
Contenda Paiçandu São Mateus do Sul
Santa Mariana 65,78 436.682 663.832
Jardim Olinda Paiçandu Rancho Alegre
Santo Antônio da
Platina 54,52 668.943
1.227.003 Icaraíma Paiçandu São José da Boa Vista
Santo Antônio do
Caiuá 68,57 160.167 233.587
Inajá Jardim Olinda Paiçandu
Santo Antônio do
Paraíso
33,40 85.211 255.107
Jardim Olinda Paiçandu Rancho Alegre
Santo Antônio do
Sudoeste 63,89 992.639
1.553.705 Contenda Paiçandu São Mateus do Sul
Santo Inácio 73,08 202.802 277.511
Inajá Jardim Olinda Paiçandu
São Carlos do Ivaí 40,66 113.630 279.448
Inajá Jardim Olinda Paiçandu
São Jerônimo da
Serra 33,42 313.969 939.433
Altônia Icaraíma São José da Boa Vista
São João 45,66 368.883 807.887
Altônia Contenda São José da Boa Vista
São João do Caiuá
81,78 260.459 318.491
Inajá Jardim Olinda Paiçandu
São João do Ivaí 96,96 1.290.553
1.331.014
Altônia Contenda Morretes
São João do
Triunfo 45,40 269.169 592.935
Contenda Curitiba São Mateus do Sul
São Jorge do Ivaí 69,51 449.694 646.989
Paiçandu Rancho Alegre São Mateus do Sul
São Jorge d'Oeste 70,61 537.850 761.758
Contenda Paiçandu São Mateus do Sul
São José da Boa
Vista 100,00 578.772 578.772
São José da
Boa Vista 0 0
São José dos
Pinhais 79,84 442.806 554.645
Altônia Contenda Morretes
São Mateus do Sul 100,00 1.125.228
1.125.228
São Mateus do
Sul 0 0
São Miguel do
Iguaçu
66,79 1.371.715
2.053.668
Paiçandu Rancho Alegre São Mateus do Sul
São Pedro do Ivaí 83,09 477.916 575.201
Jardim Olinda Paiçandu Rancho Alegre
São Pedro do
Paraná 65,04 191.063 293.767
Icaraíma Inajá Paiçandu
São Sebastião da
Amoreira 60,90 246.994 405.595
Jardim Olinda Paiçandu Rancho Alegre
São Tomé 64,27 179.253 278.893
Altônia Icaraíma São José da Boa Vista
Sapopema 33,42 159.773 478.010
Icaraíma Inajá 0
Sengés 45,42 374.790 825.171
Icaraíma Paiçandu São José da Boa Vista
Sertaneja 100,00 534.034 534.034
Sertaneja 0 0
Sertanópolis 58,81 535.259 910.170
Paiçandu Rancho Alegre São Mateus do Sul
Siqueira Campos 97,83 416.274 425.504
Altônia Contenda São José da Boa Vista
Tamboara 47,93 130.852 272.996
Icaraíma Paiçandu São José da Boa Vista
Tapejara 65,59 450.852 687.337
Icaraíma Inajá Paiçandu
Tapira 52,08 304.654 584.967
Altônia Icaraíma 0
Teixeira Soares 56,25 489.762 870.717
Jardim Olinda Paiçandu Rancho Alegre
Telêmaco Borba 72,48 446.520 616.049
Altônia Contenda São José da Boa Vista
Terra Boa 61,00 323.583 530.429
Altônia Contenda São José da Boa Vista
Terra Rica 70,57 553.603 784.453
Icaraíma Inajá Paiçandu
Tabela C.2 – Resultados DEA de 1980, em ordem alfabética, continuação
128
MUNICÍPIOS DE
1980
EFICI-
ÊNCIA
%
PIB
ATUAL
mil Cr$
PIB
POTENCIAL
mil Cr$
Peer 1
Peer 2
Peer 3
Terra Roxa 62,35 908.747
1.457.466 Icaraíma Paiçandu São José da Boa Vista
Tibagi 38,83 838.718
2.159.788
Jardim Olinda Paiçandu Rancho Alegre
Tijucas do Sul 22,41 68.595 306.099
Contenda Paiçandu São Mateus do Sul
Toledo 81,73 2.920.883
3.573.906 Paiçandu Rancho Alegre São Mateus do Sul
Tomazina 89,08 661.701 742.788
Altônia Icaraíma São José da Boa Vista
Tuneiras do Oeste 39,51 314.290 795.567
Icaraíma Inajá Paiçandu
Ubiratã 62,95 785.431
1.247.707
Contenda Paiçandu São Mateus do Sul
Umuarama 68,04 2.132.869
3.134.888 Icaraíma Inajá Paiçandu
União da Vitória 51,79 189.919 366.735
Altônia Icaraíma São José da Boa Vista
Uniflor 54,63 89.512 163.853
Icaraíma Paiçandu São José da Boa Vista
Uraí 83,70 412.519 492.855
Contenda Paiçandu São Mateus do Sul
Verê 57,19 388.275 678.966
Altônia Contenda São José da Boa Vista
Vitorino 60,54 263.905 435.946
Contenda Paiçandu São Mateus do Sul
Wenceslau Braz 85,37 525.553 615.644
Altônia Contenda São José da Boa Vista
Xambrê 77,42 295.741 381.989
Altônia 0
0
Tabela C.2 – Resultados DEA de 1980, em ordem alfabética, continuação
129
Tabela C.3 – Resultados DEA do ano agrícola 1995-96, em ordem alfabética
MUNICÍPIOS
do ano-agrícola 1995-96
EFICI-
ÊNCIA
%
PIB
ATUAL
mil R$
PIB
POTENCIAL
mil R$
Peer1
Peer2
Peer3
Abatiá 40,04 4.534
11.325 Cambé Morretes SãoTomé
Adrianópolis 14,04 2.107
15.003 Cambé SãoCarlosdoIvaí
TelêmacoBorba
Agudos do Sul 46,24 2.624
5.675 Morretes TelêmacoBorba 0
Almirante Tamandaré 50,39 3.965
7.869 Cambé Morretes TelêmacoBorba
Altamira do Paraná 41,88 1.875
4.477 RibeirãoClaro 0 0
Alto Paraná 67,4 7.639
11.334 RibeirãoClaro SãoTomé Uniflor
Alto Piquiri 31,08 5.868
18.884 Cambé Mirador SãoTomé
Altônia 38,65 10.260
26.549 Cambé Morretes SãoTomé
Alvorada do Sul 71,86 10.287
14.315 Cambé Mirador SãoTomé
Amaporã 31,73 2.296
7.235 Mirador SantaInês 0
Ampére 36,7 6.234
16.985 Cambé Morretes TelêmacoBorba
Anahy 35 2.185
6.242 Cambé Morretes SãoTomé
Andirá 79,07 8.379
10.597 Cambé Morretes TelêmacoBorba
Ângulo 59,75 3.368
5.637 Cambé Mirador SãoTomé
Antonina 29,44 901
3.061 Cambé Mirador SãoTomé
Antônio Olinto 52,89 7.090
13.405 Cambé Morretes TelêmacoBorba
Apucarana 52,88 12.853
24.306 Cambé Morretes SãoTomé
Arapongas 54,21 10.434
19.245 Cambé Morretes TelêmacoBorba
Arapoti 29,01 12.416
42.792 Cambé SãoCarlosdoIvaí
TelêmacoBorba
Araruna 37,11 7.531
20.291 Cambé Mirador SãoTomé
Araucária 61,57 10.140
16.467 Cambé Morretes TelêmacoBorba
Assaí 50,28 11.147
22.172 Cambé Morretes TelêmacoBorba
Assis Chateaubriand 65,67 39.212
59.710 Cambé Morretes TelêmacoBorba
Astorga 56,77 14.508
25.557 Cambé Morretes TelêmacoBorba
Atalaia 36,22 2.799
7.730 Cambé Morretes TelêmacoBorba
Balsa Nova 65,53 3.047
4.650 Cambé Morretes TelêmacoBorba
Bandeirantes 58,48 9.699
16.583 Cambé Morretes TelêmacoBorba
Barbosa Ferraz 23,04 5.560
24.133 Cambé Mirador SãoTomé
Barra do Jacaré 60,51 4.931
8.150 Cambé Morretes TelêmacoBorba
Barracão 28,82 5.627
19.521 Cambé Morretes TelêmacoBorba
Bela Vista do Paraíso 77,31 8.981
11.617 Cambé SãoCarlosdoIvaí
TelêmacoBorba
Bituruna 45,92 11.097
24.167 Cambé Morretes TelêmacoBorba
Boa Esperança 83,71 14.131
16.882 Cambé Morretes TelêmacoBorba
Boa Esperança do Iguaçu 42,58 3.869
9.088 Cambé Morretes TelêmacoBorba
Boa Vista da Aparecida 30,04 4.759
15.845 Cambé Morretes TelêmacoBorba
Bocaiúva do Sul 18,84 2.303
12.221 Cambé Morretes SãoTomé
Bom Sucesso 70,02 6.269
8.954 Cambé Mirador SãoTomé
Bom Sucesso do Sul 44,28 4.876
11.010 Cambé Morretes TelêmacoBorba
Borrazópolis 44,87 6.300
14.042 Cambé Mirador SãoTomé
Braganey 46,65 6.323
13.556 Cambé Mirador SãoTomé
Brasilândia do Sul 85,92 7.970
9.276 Cambé Mirador SãoTomé
Cafeara 67,52 3.737
5.534 Cambé Mirador SãoTomé
Cafelândia 51,52 8.260
16.033 Cambé Morretes TelêmacoBorba
Cafezal do Sul 36,38 4.267
11.728 Mirador SantaInês Uniflor
Califórnia 40,18 2.823
7.024 Cambé Mirador SãoTomé
Cambará 75,49 13.543
17.939 Cambé Morretes TelêmacoBorba
Cambé 100 22.880
22.880 Cambé 0 0
Cambira 40,04 4.037
10.080 Cambé Morretes TelêmacoBorba
Campina da Lagoa 43,7 13.512
30.918 Cambé Mirador SãoTomé
Campina Grande do Sul 45,97 970
2.111 Cambé Mirador SãoTomé
130
MUNICÍPIOS
do ano-agrícola 1995-96
EFICI-
ÊNCIA
%
PIB
ATUAL
mil R$
PIB
POTENCIAL
mil R$
Peer1
Peer2
Peer3
Campo Bonito 46,91 6.876
14.659 Cambé Mirador SãoTomé
Campo do Tenente 41,59 2.591
6.229 Cambé Morretes TelêmacoBorba
Campo Largo 74,86 15.888
21.225 Cambé Morretes TelêmacoBorba
Campo Mourão 84,07 22.458
26.712 Cambé Mirador SãoTomé
Cândido de Abreu 23,99 15.272
63.649 Cambé Morretes SãoTomé
Candói 49,71 26.169
52.639 Cambé SãoCarlosdoIvaí
TelêmacoBorba
Cantagalo 25,7 14.956
58.202 Cambé Morretes TelêmacoBorba
Capanema 53,89 15.043
27.913 Cambé Morretes TelêmacoBorba
Capitão Leônidas Marques 33,48 5.440
16.250 Cambé Morretes TelêmacoBorba
Carlópolis 50,33 8.559
17.006 Cambé Morretes SãoTomé
Cascavel 71,84 55.368
77.069 Cambé SãoCarlosdoIvaí
TelêmacoBorba
Catanduvas 33,12 7.794
23.531 Cambé Mirador SãoTomé
Centenário do Sul 72,22 9.078
12.570 RibeirãoClaro SãoTomé Uniflor
Cerro Azul 26,57 7.686
28.927 Cambé Morretes SãoTomé
Céu Azul 58,53 9.794
16.733 Cambé Morretes SãoTomé
Chopinzinho 38,52 15.667
40.670 Cambé Morretes TelêmacoBorba
Cianorte 44,19 13.769
31.155 Cambé Mirador SãoTomé
Cidade Gaúcha 54,22 7.244
13.360 Mirador SãoCarlosdoIvaí
TelêmacoBorba
Clevelândia 32,59 6.058
18.589 Cambé Mirador SãoTomé
Colombo 99,56 2.449
2.460 Morretes TelêmacoBorba 0
Colorado 17,4 4.586
26.352 Cambé SãoCarlosdoIvaí
TelêmacoBorba
Congonhinhas 43,05 3.799
8.825 RibeirãoClaro SantaInês 0
Conselheiro Mairinck 74,52 3.356
4.503 Mirador SantaInês Uniflor
Contenda 78,87 8.612
10.920 Morretes TelêmacoBorba 0
Corbélia 55,59 13.971
25.133 Cambé SãoCarlosdoIvaí
TelêmacoBorba
Cornélio Procópio 63,46 16.467
25.947 Cambé Mirador SãoTomé
Coronel Vivida 39,98 14.038
35.114 Cambé Morretes TelêmacoBorba
Corumbataí do Sul 30,67 2.064
6.728 RibeirãoClaro SãoTomé Uniflor
Cruz Machado 34,57 12.376
35.803 Cambé Morretes TelêmacoBorba
Cruzeiro do Iguaçu 41,83 3.893
9.308 Cambé Morretes TelêmacoBorba
Cruzeiro do Oeste 32,23 8.596
26.671 Cambé Mirador SãoTomé
Cruzeiro do Sul 68,81 7.470
10.856 Cambé Mirador SãoTomé
Curiúva 38,99 5.855
15.019 RibeirãoClaro SãoTomé Uniflor
Diamante do Norte 49,9 3.071
6.153 Cambé Mirador SãoTomé
Diamante do Sul 25,94 2.075
7.999 Mirador SantaInês Uniflor
Diamante D'Oeste 17,54 2.243
12.787 Cambé Mirador SãoTomé
Dois Vizinhos 58,3 15.660
26.860 Cambé Morretes TelêmacoBorba
Douradina 68,4 6.273
9.172 Mirador SantaInês Uniflor
Doutor Camargo 59,91 4.426
7.387 Cambé Morretes TelêmacoBorba
Doutor Ulysses 18,79 3.222
17.147 Cambé Morretes TelêmacoBorba
Enéas Marques 34,87 3.881
11.131 Cambé Morretes TelêmacoBorba
Engenheiro Beltrão 88,36 20.229
22.894 Cambé SãoCarlosdoIvaí
TelêmacoBorba
Entre Rios do Oeste 91,8 4.928
5.369 Cambé Morretes TelêmacoBorba
Farol 47,49 7.014
14.770 Cambé Mirador SãoCarlosdoIvaí
Faxinal 65,96 14.051
21.302 Mirador SantaInês Uniflor
Fazenda Rio Grande 36,93 509
1.379 Cambé Morretes TelêmacoBorba
Fênix 56,7 5.330
9.401 Cambé Mirador SãoTomé
Figueira 31,91 958
3.002 RibeirãoClaro SãoTomé Uniflor
Flor da Serra do Sul 64,93 8.297
12.779 Cambé Morretes TelêmacoBorba
Floraí 62,95 5.780
9.183 Cambé Mirador SãoCarlosdoIvaí
Floresta 72,09 6.364
8.828 Cambé Morretes TelêmacoBorba
Formosa do Oeste 45,23 7.990
17.665 Cambé Morretes TelêmacoBorba
Tabela C.3 – Resultados DEA do ano agrícola 1995-96, em ordem alfabética, continuação
131
MUNICÍPIOS
do ano-agrícola 1995-96
EFICI-
ÊNCIA
%
PIB
ATUAL
mil R$
PIB
POTENCIAL
mil R$
Peer1
Peer2
Peer3
Foz do Iguaçu 40,28 3.250
8.069 Cambé Mirador SãoTomé
Francisco Alves 46,55 5.083
10.921 RibeirãoClaro SãoTomé Uniflor
Francisco Beltrão 81,81 31.842
38.922 Cambé Morretes TelêmacoBorba
General Carneiro 61,76 7.599
12.304 Cambé Mirador SãoTomé
Godoy Moreira 30,93 2.188
7.075 Cambé Morretes SãoTomé
Goioerê 66,79 27.487
41.156 Cambé Mirador SãoTomé
Grandes Rios 21,24 5.106
24.040 Cambé Mirador SãoTomé
Guaíra 67,46 15.451
22.904 Cambé Morretes SãoTomé
Guairaçá 36,61 4.850
13.247 Mirador SantaInês Uniflor
Guapirama 31,2 2.532
8.113 Cambé Mirador SãoTomé
Guaporema 73,04 5.860
8.023 Mirador SãoCarlosdoIvaí
TelêmacoBorba
Guaraci 36,95 2.472
6.690 Mirador SantaInês Uniflor
Guaraniaçu 58,86 22.962
39.013 Cambé Mirador SãoTomé
Guarapuava 52,16 49.707
95.298 Cambé SãoCarlosdoIvaí
TelêmacoBorba
Guaraqueçaba 23,21 712
3.068 RibeirãoClaro SãoTomé Uniflor
Guaratuba 65,27 2.500
3.830 Morretes SãoTomé 0
Honório Serpa 40,72 9.413
23.113 Cambé Morretes TelêmacoBorba
Ibaiti 31,2 8.163
26.160 Cambé Mirador SãoTomé
Ibema 42,94 1.910
4.448 Cambé SãoCarlosdoIvaí
TelêmacoBorba
Ibiporã 53,61 7.558
14.099 Cambé Morretes TelêmacoBorba
Icaraíma 38,24 10.178
26.614 Cambé Mirador SãoTomé
Iguaraçu 64,33 4.439
6.900 Cambé Mirador SãoTomé
Iguatu 23,11 1.244
5.382 Cambé Morretes SãoTomé
Imbituva 50,37 19.347
38.413 Cambé Morretes TelêmacoBorba
Inácio Martins 24,85 3.165
12.735 Cambé Morretes TelêmacoBorba
Inajá 86,8 2.784
3.207 Mirador SantaInês 0
Indianópolis 51,62 3.240
6.276 Cambé Morretes SãoTomé
Ipiranga 47,22 15.080
31.937 Cambé Morretes TelêmacoBorba
Iporã 28,23 6.551
23.202 Cambé Mirador SãoTomé
Iracema do Oeste 54,56 2.767
5.073 Cambé Morretes TelêmacoBorba
Irati 55,86 18.833
33.712 Cambé Morretes TelêmacoBorba
Iretama 25,7 6.781
26.386 Cambé Mirador SãoTomé
Itaguajé 32,06 2.685
8.375 Mirador SãoCarlosdoIvaí
TelêmacoBorba
Itaipulândia 53,09 5.125
9.652 Cambé Morretes TelêmacoBorba
Itambé 81,48 9.842
12.079 Cambé SãoCarlosdoIvaí
TelêmacoBorba
Itapejara d'Oeste 51,63 8.754
16.957 Cambé Morretes TelêmacoBorba
Itaperuçu 19,97 1.396
6.990 Cambé Morretes TelêmacoBorba
Itaúna do Sul 30,72 1.461
4.755 Cambé Mirador SãoTomé
Ivaí 45,11 10.572
23.433 Cambé Morretes TelêmacoBorba
Ivaiporã 39,22 19.745
50.349 Cambé Morretes SãoTomé
Ivaté 24,35 6.435
26.424 Morretes SãoTomé 0
Ivatuba 71,79 3.825
5.329 Cambé SãoCarlosdoIvaí
TelêmacoBorba
Jaboti 35,16 2.806
7.981 Cambé Morretes TelêmacoBorba
Jacarezinho 69,77 13.777
19.744 Cambé Mirador SãoTomé
Jaguapitã 74,9 14.058
18.769 Cambé Mirador SãoTomé
Jaguariaíva 32,08 9.176
28.609 Cambé Mirador SãoCarlosdoIvaí
Jandaia do Sul 59,44 4.493
7.559 RibeirãoClaro SãoTomé 0
Janiópolis 46,49 7.707
16.577 Cambé Mirador SãoTomé
Japira 46,8 3.014
6.441 Mirador SãoTomé Uniflor
Japurá 70,46 6.212
8.816 Cambé Morretes SãoTomé
Jardim Alegre 41,2 6.753
16.393 Mirador SãoTomé Uniflor
Jardim Olinda 31,29 919
2.937 Mirador 0 0
Tabela C.3 – Resultados DEA do ano agrícola 1995-96, em ordem alfabética, continuação
132
MUNICÍPIOS
do ano-agrícola 1995-96
EFICI-
ÊNCIA
%
PIB
ATUAL
mil R$
PIB
POTENCIAL
mil R$
Peer1
Peer2
Peer3
Jataizinho 43,63 3.216
7.372 Cambé Mirador SãoTomé
Jesuítas 47,91 8.405
17.545 Cambé Morretes TelêmacoBorba
Joaquim Távora 34,37 4.338
12.620 Cambé Mirador SãoTomé
Jundiaí do Sul 62,87 4.280
6.808 Mirador SantaInês Uniflor
Juranda 61,27 12.142
19.819 Cambé Morretes SãoTomé
Jussara 50,55 6.419
12.699 Cambé Morretes TelêmacoBorba
Kaloré 56,91 4.901
8.611 Cambé Mirador SãoTomé
Lapa 65,53 31.649
48.298 Cambé Morretes TelêmacoBorba
Laranjal 15,52 3.927
25.298 Cambé Morretes SãoTomé
Laranjeiras do Sul 28,05 10.479
37.356 Cambé Morretes TelêmacoBorba
Leópolis 59,09 7.794
13.191 Cambé Mirador SãoTomé
Lidianópolis 36,14 3.177
8.790 Cambé Morretes SãoTomé
Lindoeste 31,11 6.005
19.304 Cambé Morretes SãoTomé
Loanda 69,33 8.732
12.596 Mirador SantaInês 0
Londrina 60,25 42.962
71.301 Cambé Mirador SãoTomé
Luiziana 54,79 15.100
27.558 Mirador SãoCarlosdoIvaí
TelêmacoBorba
Lunardelli 27,57 2.472
8.967 Cambé Morretes SãoTomé
Lupionópolis 69,37 3.314
4.777 Cambé Mirador SãoTomé
Mallet 64,86 11.317
17.448 Cambé Morretes TelêmacoBorba
Mamborê 87,77 27.415
31.236 Cambé SãoCarlosdoIvaí
TelêmacoBorba
Mandaguaçu 79,85 10.431
13.063 Cambé Mirador SãoTomé
Mandaguari 45,66 5.442
11.918 Cambé Mirador SãoTomé
Mandirituba 62,45 4.862
7.785 Cambé Morretes TelêmacoBorba
Mangueirinha 53,84 20.414
37.915 Cambé Morretes TelêmacoBorba
Manoel Ribas 55,7 10.002
17.958 RibeirãoClaro SãoTomé Uniflor
Marechal Cândido Rondon 75,79 30.514
40.260 Cambé Morretes TelêmacoBorba
Maria Helena 57,66 9.212
15.977 Cambé Mirador SãoTomé
Marialva 73,12 20.882
28.561 Cambé Morretes SãoTomé
Marilândia do Sul 91,26 14.841
16.263 Cambé Morretes SãoTomé
Marilena 34,82 2.921
8.391 Mirador SãoTomé Uniflor
Mariluz 47,6 6.050
12.711 Cambé Mirador SãoTomé
Maringá 19,51 4.777
24.485 Cambé Morretes TelêmacoBorba
Mariópolis 69,04 8.504
12.317 Cambé Morretes TelêmacoBorba
Maripá 61,14 11.108
18.168 Cambé Morretes TelêmacoBorba
Marmeleiro 44,7 8.863
19.827 Cambé Morretes TelêmacoBorba
Marumbi 44,51 3.199
7.186 Cambé Mirador SãoTomé
Matelândia 65,55 12.170
18.566 Cambé Morretes SãoTomé
Matinhos 46,73 65
139 Cambé Morretes SãoTomé
Mato Rico 20,52 3.843
18.733 Cambé Morretes TelêmacoBorba
Mauá da Serra 89,37 3.138
3.511 Cambé Mirador SãoTomé
Medianeira 69,92 18.487
26.439 Cambé Morretes SãoTomé
Mercedes 80,84 7.877
9.745 Cambé Morretes SãoTomé
Mirador 100 5.540
5.540 Mirador 0 0
Missal 70,79 12.870
18.180 Cambé Morretes TelêmacoBorba
Moreira Sales 34,5 6.955
20.160 Cambé Morretes SãoTomé
Morretes 100 5.716
5.716 Morretes 0 0
Munhoz de Melo 58,06 3.560
6.132 Cambé Mirador SãoTomé
Nova Aliança do Ivaí 75,38 1.776
2.356 Mirador SantaInês 0
Nova Cantu 33,77 8.869
26.265 Cambé Morretes SãoTomé
Nova Esperança 62,46 12.471
19.967 Cambé Mirador SãoTomé
Nova Esperança do Sudoeste
38,15 4.642
12.167 Cambé Morretes TelêmacoBorba
Nova Fátima 44,98 4.086
9.085 Cambé Mirador SãoCarlosdoIvaí
Tabela C.3 – Resultados DEA do ano agrícola 1995-96, em ordem alfabética, continuação
133
MUNICÍPIOS
do ano-agrícola 1995-96
EFICI-
ÊNCIA
%
PIB
ATUAL
mil R$
PIB
POTENCIAL
mil R$
Peer1
Peer2
Peer3
Nova Laranjeiras 20,12 9.669
48.061 Cambé Morretes TelêmacoBorba
Nova Londrina 27,7 2.205
7.962 Mirador SãoTomé Uniflor
Nova Olímpia 49,26 2.207
4.481 RibeirãoClaro SãoTomé Uniflor
Nova Prata do Iguaçu 55,04 10.575
19.213 Cambé Morretes TelêmacoBorba
Nova Santa Bárbara 47,94 2.063
4.304 Cambé Morretes SãoTomé
Nova Santa Rosa 83,79 11.801
14.083 Cambé Morretes TelêmacoBorba
Nova Tebas 19,71 5.982
30.346 Cambé Morretes TelêmacoBorba
Novo Itacolomi 33,06 2.339
7.077 Cambé Mirador SãoTomé
Ortigueira 21,55 25.043
116.188 Cambé Morretes TelêmacoBorba
Ourizona 82,91 5.299
6.391 Cambé Mirador SãoTomé
Ouro Verde do Oeste 75,86 10.565
13.927 Cambé Mirador SãoTomé
Paiçandu 60,31 5.710
9.468 Cambé Morretes TelêmacoBorba
Palmas 35,5 16.541
46.594 Cambé Mirador SãoCarlosdoIvaí
Palmeira 79,07 38.121
48.213 Cambé Morretes TelêmacoBorba
Palmital 24,34 9.009
37.014 Cambé Morretes SãoTomé
Palotina 86,9 30.598
35.212 Cambé Morretes TelêmacoBorba
Paraíso do Norte 67,13 4.350
6.479 Cambé Mirador SãoTomé
Paranacity 13,94 2.038
14.618 Cambé SãoCarlosdoIvaí
TelêmacoBorba
Paranaguá 18,11 419
2.314 Morretes SãoTomé 0
Paranapoema 77,25 2.471
3.199 Mirador 0 0
Paranavaí 53,8 14.605
27.149 Mirador SantaInês Uniflor
Pato Bragado 70,69 4.570
6.465 Cambé Morretes TelêmacoBorba
Pato Branco 60,72 16.591
27.323 Cambé Morretes TelêmacoBorba
Paula Freitas 41,52 3.808
9.171 Cambé Morretes TelêmacoBorba
Paulo Frontin 41,4 5.806
14.026 Cambé Morretes TelêmacoBorba
Peabiru 29,81 9.393
31.513 Cambé SãoCarlosdoIvaí
TelêmacoBorba
Pérola 33,42 5.874
17.578 Cambé Mirador SãoTomé
Pérola d'Oeste 41,1 8.074
19.645 Cambé Morretes TelêmacoBorba
Piên 47,66 5.518
11.578 Morretes TelêmacoBorba 0
Pinhais 9,93 122
1.229 Cambé Morretes TelêmacoBorba
Pinhal de São Bento 22,06 1.299
5.889 Cambé Morretes TelêmacoBorba
Pinhalão 21,33 1.949
9.140 Cambé Mirador SãoTomé
Pinhão 45,23 35.987
79.569 Cambé Morretes TelêmacoBorba
Piraí do Sul 58,42 22.008
37.670 Cambé SãoCarlosdoIvaí
TelêmacoBorba
Piraquara 40,04 480
1.198 Cambé Morretes TelêmacoBorba
Pitanga 35,69 34.714
97.274 Cambé Morretes TelêmacoBorba
Pitangueiras 88,86 4.667
5.252 Cambé Mirador SãoTomé
Planaltina do Paraná 99,13 6.462
6.519 Mirador SantaInês 0
Planalto 57,51 13.328
23.173 Cambé Morretes TelêmacoBorba
Ponta Grossa 75,55 37.581
49.744 Cambé Mirador SãoTomé
Porecatu 79,57 5.548
6.973 RibeirãoClaro SãoTomé Uniflor
Porto Amazonas 16,86 734
4.352 Cambé Mirador SãoTomé
Porto Rico 54,78 2.257
4.120 RibeirãoClaro SantaInês Uniflor
Porto Vitória 35,74 1.849
5.174 Cambé Morretes TelêmacoBorba
Pranchita 45,48 6.341
13.943 Cambé Morretes TelêmacoBorba
Presidente Castelo Branco 82,15 4.467
5.438 Cambé Mirador SãoTomé
Primeiro de Maio 59,45 9.984
16.795 Cambé Morretes TelêmacoBorba
Prudentópolis 47,37 36.408
76.855 Morretes TelêmacoBorba 0
Quatiguá 78,36 2.368
3.022 RibeirãoClaro SãoTomé Uniflor
Quatro Barras 42,47 475
1.118 Cambé Morretes SãoTomé
Quatro Pontes 65,69 4.493
6.840 Cambé Morretes TelêmacoBorba
Quedas do Iguaçu 53,75 21.564
40.122 Cambé Morretes TelêmacoBorba
Tabela C.3 – Resultados DEA do ano agrícola 1995-96, em ordem alfabética, continuação
134
MUNICÍPIOS
do ano-agrícola 1995-96
EFICI-
ÊNCIA
%
PIB
ATUAL
mil R$
PIB
POTENCIAL
mil R$
Peer1
Peer2
Peer3
Querência do Norte 32,69 8.339
25.509 Cambé Mirador SãoTomé
Quinta do Sol 55,58 6.568
11.817 Mirador SãoCarlosdoIvaí
TelêmacoBorba
Quitandinha 54,99 7.384
13.429 Morretes TelêmacoBorba 0
Ramilândia 66,7 2.882
4.321 RibeirãoClaro SantaInês Uniflor
Rancho Alegre 74,58 3.731
5.003 Cambé SãoCarlosdoIvaí
TelêmacoBorba
Rancho Alegre D'Oeste 52,57 6.417
12.206 Cambé SãoCarlosdoIvaí
TelêmacoBorba
Realeza 39,56 8.164
20.635 Cambé Morretes TelêmacoBorba
Rebouças 37,49 6.819
18.190 Cambé Morretes TelêmacoBorba
Renascença 47,84 9.961
20.824 Cambé Morretes TelêmacoBorba
Reserva 62,21 20.996
33.749 RibeirãoClaro SãoTomé Uniflor
Ribeirão Claro 100 10.093
10.093 RibeirãoClaro 0 0
Ribeirão do Pinhal 41,25 5.029
12.192 Mirador SãoTomé Uniflor
Rio Azul 48,66 11.956
24.571 Cambé Morretes TelêmacoBorba
Rio Bom 35,34 2.423
6.856 Cambé Mirador SãoTomé
Rio Bonito do Iguaçu 43,29 6.365
14.704 Cambé Morretes TelêmacoBorba
Rio Branco do Sul 23,51 2.437
10.366 Cambé Morretes TelêmacoBorba
Rio Negro 66,72 8.881
13.310 Cambé Morretes TelêmacoBorba
Rolândia 88,04 19.097
21.690 Cambé Mirador SãoTomé
Roncador 30,2 9.905
32.803 Cambé Morretes TelêmacoBorba
Rondon 45,72 8.926
19.525 Cambé SãoCarlosdoIvaí
TelêmacoBorba
Rosário do Ivaí 17,24 2.781
16.125 Cambé Mirador SãoTomé
Sabáudia 51,63 5.332
10.327 Cambé Morretes SãoTomé
Salgado Filho 47,82 9.784
20.460 Cambé Morretes TelêmacoBorba
Salto do Itararé 36,68 2.471
6.735 RibeirãoClaro SãoTomé Uniflor
Salto do Lontra 45,36 9.640
21.251 Cambé Morretes TelêmacoBorba
Santa Amélia 54,63 3.227
5.906 Cambé Morretes TelêmacoBorba
Santa Cecília do Pavão 42,17 2.434
5.771 Cambé Morretes TelêmacoBorba
Santa Cruz de Monte Castel 44,22 5.976
13.515 Cambé Mirador SãoTomé
Santa Fé 67,34 6.838
10.153 Cambé Mirador SãoTomé
Santa Helena 72,63 22.717
31.277 Cambé Morretes TelêmacoBorba
Santa Inês 100 2.305
2.305 SantaInês 0 0
Santa Isabel do Ivaí 60,89 6.263
10.285 RibeirãoClaro SantaInês Uniflor
Santa Izabel do Oeste 46,2 8.373
18.123 Cambé Morretes TelêmacoBorba
Santa Lúcia 35,59 2.846
7.998 Cambé Morretes TelêmacoBorba
Santa Maria do Oeste 19,65 7.089
36.070 Cambé Morretes SãoTomé
Santa Mariana 97,68 14.482
14.825 Cambé SãoCarlosdoIvaí
TelêmacoBorba
Santa Mônica 47,39 2.746
5.795 Mirador SantaInês Uniflor
Santa Tereza do Oeste 69,01 8.818
12.777 Cambé Mirador SãoTomé
Santa Terezinha de Itaipu 72,38 9.041
12.491 Cambé SãoCarlosdoIvaí
TelêmacoBorba
Santana do Itararé 33,03 3.058
9.257 Cambé Mirador SãoTomé
Santo Antônio da Platina 44,61 12.599
28.244 Cambé Mirador SãoTomé
Santo Antônio do Caiuá 48,68 2.127
4.369 Mirador SantaInês 0
Santo Antônio do Paraíso 44,48 3.044
6.844 Cambé Mirador SãoTomé
Santo Antônio do Sudoeste 71,4 13.362
18.713 Cambé Morretes TelêmacoBorba
Santo Inácio 69,67 6.699
9.615 Cambé Mirador SãoTomé
São Carlos do Ivaí 100 7.872
7.872 SãoCarlosdoIvaí
0 0
São Jerônimo da Serra 31,81 5.363
16.861 RibeirãoClaro SantaInês Uniflor
São João 45,49 10.811
23.764 Cambé Morretes TelêmacoBorba
São João do Caiuá 67,96 5.550
8.166 Mirador SãoCarlosdoIvaí
TelêmacoBorba
São João do Ivaí 51,9 9.869
19.016 Cambé Morretes SãoTomé
São João do Triunfo 50,69 10.265
20.250 Cambé Morretes TelêmacoBorba
São Jorge do Ivaí 72,31 12.110
16.748 Cambé SãoCarlosdoIvaí
TelêmacoBorba
Tabela C.3 – Resultados DEA do ano agrícola 1995-96, em ordem alfabética, continuação
135
MUNICÍPIOS
do ano-agrícola 1995-96
EFICI-
ÊNCIA
%
PIB
ATUAL
mil R$
PIB
POTENCIAL
mil R$
Peer1
Peer2
Peer3
São Jorge do Patrocínio 41,23 5.330
12.928 Cambé Morretes SãoTomé
São Jorge d'Oeste 39,97 8.050
20.141 Cambé Morretes TelêmacoBorba
São José da Boa Vista 39,97 4.441
11.111 RibeirãoClaro SãoTomé Uniflor
São José das Palmeiras 62,78 3.403
5.420 RibeirãoClaro SãoTomé Uniflor
São José dos Pinhais 60,28 12.995
21.556 Cambé Morretes TelêmacoBorba
São Manoel do Paraná 46,97 2.168
4.615 Cambé Morretes SãoTomé
São Mateus do Sul 42,01 13.944
33.190 Cambé Morretes TelêmacoBorba
São Miguel do Iguaçu 68,83 26.174
38.029 Cambé Morretes TelêmacoBorba
São Pedro do Iguaçu 58,77 9.819
16.708 Cambé Morretes TelêmacoBorba
São Pedro do Ivaí 84,85 12.793
15.077 Cambé SãoCarlosdoIvaí
TelêmacoBorba
São Pedro do Paraná 36,17 2.568
7.100 Cambé Mirador SãoTomé
São Sebastião da Amoreira 49,78 5.218
10.481 Cambé Morretes SãoTomé
São Tomé 100 6.909
6.909 SãoTomé 0 0
Sapopema 62,03 4.206
6.781 RibeirãoClaro 0 0
Sarandi 66,72 4.056
6.079 Cambé Morretes TelêmacoBorba
Saudade do Iguaçu 41,31 3.066
7.422 Cambé Morretes TelêmacoBorba
Sengés 66,73 14.594
21.871 Cambé Mirador SãoTomé
Sertaneja 79,9 10.097
12.637 Mirador SãoCarlosdoIvaí
TelêmacoBorba
Sertanópolis 55,35 13.204
23.857 Cambé Mirador SãoTomé
Siqueira Campos 42,07 5.211
12.386 Cambé Morretes SãoTomé
Sulina 46,92 4.928
10.503 Cambé Morretes TelêmacoBorba
Tamboara 92,89 5.765
6.207 Cambé Mirador SãoTomé
Tapejara 32,63 8.027
24.602 Mirador SãoCarlosdoIvaí
TelêmacoBorba
Tapira 80,01 11.504
14.379 RibeirãoClaro SãoTomé Uniflor
Teixeira Soares 79,17 24.039
30.366 Cambé Morretes TelêmacoBorba
Telêmaco Borba 100 34.465
34.465 TelêmacoBorba 0 0
Terra Boa 58,9 7.548
12.815 Cambé Mirador SãoTomé
Terra Rica 47,81 8.775
18.355 Cambé Mirador SãoTomé
Terra Roxa 53,67 18.462
34.401 Cambé Mirador SãoTomé
Tibagi 56,26 31.488
55.973 Mirador SãoCarlosdoIvaí
TelêmacoBorba
Tijucas do Sul 24,97 3.386
13.560 Cambé Morretes TelêmacoBorba
Toledo 91,08 60.181
66.073 Cambé Morretes TelêmacoBorba
Tomazina 27,37 5.956
21.758 Cambé Mirador SãoTomé
Três Barras do Paraná 62,64 14.972
23.901 Cambé Morretes SãoTomé
Tunas do Paraná 14,02 307
2.190 Cambé Mirador SãoTomé
Tuneiras do Oeste 44,29 11.021
24.883 Cambé Mirador SãoTomé
Tupãssi 78,25 13.951
17.829 Cambé Morretes TelêmacoBorba
Turvo 22,82 5.903
25.866 Cambé Morretes TelêmacoBorba
Ubiratã 79,37 22.718
28.622 Cambé Mirador SãoTomé
Umuarama 37,51 20.518
54.705 Cambé Mirador SãoTomé
União da Vitória 30,07 3.935
13.084 Cambé Morretes SãoTomé
Uniflor 100 3.198
3.198 Uniflor 0 0
Uraí 43,64 5.721
13.109 Cambé Morretes SãoTomé
Ventania 43,48 7.459
17.153 Cambé Mirador SãoCarlosdoIvaí
Vera Cruz do Oeste 53,82 9.612
17.858 Cambé Mirador SãoTomé
Verê 49,13 9.382
19.096 Cambé Morretes TelêmacoBorba
Vila Alta 48,65 5.288
10.869 Mirador SantaInês 0
Virmond 34,29 2.985
8.705 Cambé Morretes TelêmacoBorba
Vitorino 60,49 8.258
13.650 Cambé Morretes TelêmacoBorba
Wenceslau Braz 40,13 5.784
14.413 Cambé Morretes SãoTomé
Xambrê 28,37 4.673
16.472 Cambé Mirador SãoTomé
Tabela C.3 – Resultados DEA do ano agrícola 1995-96, em ordem alfabética, continuação
136
Figura D.1 Distribuição da agricultura municipal do Paraná, segundo 4 faixas de eficiência: 1970
APÊNDICE D – OUTROS MAPAS DE EFICIÊNCIA
137
Figura D.2 Distribuição da agricultura muncipal do Paraná, segundo 5 faixas de eficiência da agricultura: 1970
138
Figura D.3 Distribuição da agricultura municipal do Paraná, segundo 4 faixas de eficiência: 1980
139
Figura D.4 Distribuição da agriucltura municipal do Paraná, segundo 5 faixas de eficiência: 1980
140
Figura D.5 Distribuição da agricultura municipal do Paraná, segundo 4 faixas de eficiência: 1995 - 96
141
Figura D.6 Distribuição da agricultura municipal do Paraná, segundo 5 faixas de eficiência: 1995 - 96
142
APÊNDICE E – REGIONALIZAÇÃO DOS MUNICÍPIOS
MUNICÍPIO REGIÃO MUNICÍPIO REGIÃO
Abatiá.................................... 1 Campo Bonito.......................... 4
Adrianópolis........................... 2 Campo do Tenente.................. 2
Agudos do Sul....................... 2 Campo Largo........................... 2
Almirante Tamandaré............ 2 Campo Mourão........................ 4
Altamira do Paraná................ 2 Cândido de Abreu.................... 2
Alto Paraná............................ 1 Candói..................................... 2
Alto Piquiri............................. 1 Cantagalo................................ 2
Altônia................................... 1 Capanema............................... 2
Alvorada do Sul..................... 4 Capitão Leônidas Marques....... 2
Amaporã................................ 1 Carlópolis................................. 8
Ampére.................................. 2 Cascavel.................................. 4
Anahy.................................... 8 Castro...................................... 5
Andirá.................................... 4 Catanduvas.............................. 2
Ângulo................................... 1 Centenário do Sul.................... 1
Antonina................................ 7 Cerro Azul................................ 2
Antônio Olinto........................ 2 Céu Azul.................................. 2
Apucarana............................. 1 Chopinzinho............................. 2
Arapongas............................. 2 Cianorte................................... 1
Arapoti................................... 7 Cidade Gaúcha........................ 1
Araruna................................. 1 Clevelândia.............................. 2
Araucária............................... 5 Colombo.................................. 8
Assaí..................................... 4 Colorado.................................. 8
Assis Chateaubriand.............. 4 Congonhinhas.......................... 1
Astorga.................................. 1 Conselheiro Mairinck................ 1
Atalaia................................... 1 Contenda................................. 2
Balsa Nova............................ 5 Corbélia................................... 4
Bandeirantes......................... 1 Cornélio Procópio..................... 4
Barbosa Ferraz...................... 1 Coronel Vivida.......................... 2
Barra do Jacaré..................... 4 Corumbataí do Sul................... 2
Barracão................................ 2 Cruz Machado.......................... 2
Bela Vista do Paraíso............ 4 Cruzeiro do Iguaçu................... 2
Bituruna................................. 2 Cruzeiro do Oeste.................... 1
Boa Esperança...................... 4 Cruzeiro do Sul........................ 1
Boa Esperança do Iguaçu...... 2 Curitiba.................................... 5
Boa Vista da Aparecida......... 2 Curiúva.................................... 2
Bocaiúva do Sul..................... 2 Diamante do Norte................... 2
Bom Sucesso........................ 1 Diamante do Sul....................... 2
Bom Sucesso do Sul............. 2 Diamante D'Oeste.................... 1
Borrazópolis........................... 1 Dois Vizinhos........................... 2
Braganey............................... 1 Douradina................................ 1
Brasilândia do Sul.................. 1 Doutor Camargo....................... 4
Cafeara................................. 1 Doutor Ulysses......................... 2
Cafelândia............................. 4 Enéas Marques........................ 2
Cafezal do Sul....................... 1 Engenheiro Beltrão................... 4
Califórnia............................... 1 Entre Rios do Oeste................. 3
Cambará................................ 4 Farol........................................ 4
Cambé................................... 4 Faxinal..................................... 1
Cambira................................. 2 Fazenda Rio Grande................ 2
Campina da Lagoa................ 4 Fênix........................................ 4
Campina Grande do Sul......... 2 Figueira.................................... 2
143
MUNICÍPIO REGIÃO MUNICÍPIO REGIÃO
Flor da Serra do Sul.... 2 Jacarezinho.............................. 1
Floraí.......................... 4 Jaguapitã................................. 1
Floresta....................... 4 Jaguariaíva.............................. 7
Florestópolis................ 6 Jandaia do Sul......................... 1
Flórida......................... 1 Janiópolis................................. 4
Formosa do Oeste...... 8 Japira....................................... 1
Foz do Iguaçu............. 2 Japurá...................................... 8
Francisco Alves........... 1 Jardim Alegre........................... 1
Francisco Beltrão........ 2 Jardim Olinda........................... 6
General Carneiro......... 7 Jataizinho................................. 4
Godoy Moreira............. 1 Jesuítas................................... 8
Goioerê....................... 4 Joaquim Távora....................... 1
Grandes Rios.............. 1 Jundiaí do Sul.......................... 1
Guaíra......................... 2 Juranda.................................... 4
Guairaçá..................... 1 Jussara.................................... 4
Guapirama.................. 1 Kaloré...................................... 1
Guaporema................. 1 Lapa......................................... 2
Guaraci....................... 1 Laranjal.................................... 2
Guaraniaçu................. 2 Laranjeiras do Sul.................... 2
Guarapuava................ 2 Leópolis................................... 4
Guaraqueçaba............ 7 Lidianópolis.............................. 8
Guaratuba................... 7 Lindoeste................................. 1
Honório Serpa............. 2 Loanda..................................... 1
Ibaiti............................ 1 Lobato...................................... 1
Ibema.......................... 2 Londrina................................... 1
Ibiporã......................... 4 Luiziana................................... 4
Icaraíma...................... 1 Lunardelli................................. 1
Iguaraçu...................... 1 Lupionópolis............................. 1
Iguatu.......................... 8 Mallet....................................... 2
Imbituva...................... 2 Mamborê.................................. 4
Inácio Martins.............. 2 Mandaguaçu............................ 4
Inajá............................ 1 Mandaguari.............................. 1
Indianópolis................. 1 Mandirituba.............................. 2
Ipiranga....................... 2 Mangueirinha........................... 2
Iporã........................... 1 Manoel Ribas........................... 2
Iracema do Oeste........ 8 Marechal Cândido Rondon....... 3
Irati.............................. 2 Maria Helena............................ 1
Iretama........................ 1 Marialva................................... 4
Itaguajé....................... 1 Marilândia do Sul..................... 8
Itaipulândia.................. 2 Marilena................................... 2
Itambaracá.................. 4 Mariluz..................................... 1
Itambé......................... 4 Maringá.................................... 4
Itapejara d'Oeste......... 2 Mariópolis................................ 2
Itaperuçu..................... 2 Maripá...................................... 3
Itaúna do Sul............... 1 Marmeleiro............................... 2
Ivaí.............................. 2 Marumbi................................... 1
Ivaiporã....................... 1 Matelândia............................... 2
Ivaté............................ 1 Matinhos.................................. 7
Ivatuba........................ 4 Mato Rico................................. 1
Jaboti.......................... 1 Mauá da Serra......................... 5
144
MUNICÍPIO REGIÃO MUNICÍPIO REGIÃO
Medianeira..................................... 2 Piraquara...................................... 8
Mercedes....................................... 2 Pitanga......................................... 2
Mirador.......................................... 1 Pitangueiras.................................. 1
Miraselva....................................... 1 Planaltina do Paraná..................... 1
Missal............................................ 2 Planalto........................................ 2
Moreira Sales................................ 1 Ponta Grossa................................ 2
Morretes........................................ 5 Porecatu....................................... 6
Munhoz de Melo............................ 1 Porto Amazonas........................... 7
Nossa Senhora das Graças........... 1 Porto Rico..................................... 1
Nova Aliança do Ivaí...................... 1 Porto Vitória.................................. 5
Nova América da Colina................ 1 Pranchita...................................... 2
Nova Aurora.................................. 4 Presidente Castelo Branco........... 1
Nova Cantu................................... 4 Primeiro de Maio........................... 4
Nova Esperança............................ 1 Prudentópolis................................ 2
Nova Esperança do Sudoeste........ 8 Quatiguá....................................... 1
Nova Fátima.................................. 1 Quatro Barras............................... 5
Nova Laranjeiras............................ 2 Quatro Pontes.............................. 3
Nova Londrina............................... 1 Quedas do Iguaçu........................ 2
Nova Olímpia................................. 1 Querência do Norte....................... 1
Nova Prata do Iguaçu.................... 2 Quinta do Sol................................ 4
Nova Santa Bárbara...................... 4 Quitandinha.................................. 2
Nova Santa Rosa........................... 3 Ramilândia.................................... 2
Nova Tebas................................... 1 Rancho Alegre.............................. 4
Novo Itacolomi............................... 1 Rancho Alegre D'Oeste................ 4
Ortigueira....................................... 2 Realeza........................................ 2
Ourizona........................................ 4 Rebouças..................................... 2
Ouro Verde do Oeste..................... 1 Renascença.................................. 2
Paiçandu....................................... 4 Reserva........................................ 2
Palmas.......................................... 7 Ribeirão Claro............................... 1
Palmeira........................................ 2 Ribeirão do Pinhal......................... 1
Palmital......................................... 1 Rio Azul........................................ 2
Palotina......................................... 3 Rio Bom........................................ 1
Paraíso do Norte........................... 1 Rio Bonito do Iguaçu..................... 2
Paranacity..................................... 1 Rio Branco do Sul......................... 2
Paranaguá..................................... 2 Rio Negro..................................... 2
Paranapoema................................ 6 Rolândia....................................... 2
Paranavaí...................................... 1 Roncador...................................... 1
Pato Bragado................................. 3 Rondon......................................... 1
Pato Branco................................... 2 Rosário do Ivaí............................. 1
Paula Freitas................................. 2 Sabáudia...................................... 1
Paulo Frontin................................. 2 Salgado Filho................................ 2
Peabiru.......................................... 4 Salto do Itararé............................. 1
Pérola............................................ 1 Salto do Lontra............................. 2
Pérola d'Oeste............................... 2 Santa Amélia................................ 8
Piên............................................... 2 Santa Cecília do Pavão................ 1
Pinhais.......................................... 5 Santa Cruz de Monte Castelo....... 1
Pinhal de São Bento...................... 2 Santa Fé....................................... 1
Pinhalão........................................ 1 Santa Helena................................ 2
Pinhão........................................... 2 Santa Inês.................................... 1
Piraí do Sul.................................... 2 Santa Isabel do Ivaí...................... 1
145
MUNICÍPIO REGIÃO MUNICÍPIO REGIÃO
Santa Izabel do Oeste................ 2 Tijucas do Sul................... 2
Santa Lúcia................................ 2 Toledo.............................. 3
Santa Maria do Oeste................ 2 Tomazina......................... 1
Santa Mariana............................ 4 Três Barras do Paraná..... 2
Santa Mônica............................. 1 Tunas do Paraná.............. 7
Santa Tereza do Oeste.............. 4 Tuneiras do Oeste............ 1
Santa Terezinha de Itaipu.......... 4 Tupãssi............................ 4
Santana do Itararé..................... 1 Turvo................................ 2
Santo Antônio da Platina............ 1 Ubiratã............................. 4
Santo Antônio do Caiuá............. 1 Umuarama....................... 1
Santo Antônio do Paraíso.......... 4 União da Vitória................ 2
Santo Antônio do Sudoeste........ 2 Uniflor............................... 1
Santo Inácio............................... 1 Uraí.................................. 4
São Carlos do Ivaí..................... 1 Ventania........................... 2
São Jerônimo da Serra.............. 1 Vera Cruz do Oeste.......... 4
São João................................... 2 Verê................................. 2
São João do Caiuá..................... 1 Vila Alta............................ 1
São João do Ivaí........................ 1 Virmond............................ 2
São João do Triunfo................... 2 Vitorino............................. 2
São Jorge do Ivaí....................... 4 Wenceslau Braz............... 2
São Jorge do Patrocínio............. 2 Xambrê............................ 1
São Jorge d'Oeste..................... 2
São José da Boa Vista............... 2
São José das Palmeiras............ 1
São José dos Pinhais................. 5
São Manoel do Paraná............... 1
São Mateus do Sul..................... 2
São Miguel do Iguaçu................. 2
São Pedro do Iguaçu................. 2
São Pedro do Ivaí...................... 4
São Pedro do Paraná................. 1
São Sebastião da Amoreira........ 4
São Tomé.................................. 1
Sapopema................................. 2
Sarandi...................................... 4
Saudade do Iguaçu.................... 2
Sengés...................................... 2
Sertaneja................................... 4
Sertanópolis............................... 4
Siqueira Campos....................... 1
Sulina........................................ 2
Tamboara.................................. 1
Tapejara.................................... 1
Tapira........................................ 1
Teixeira Soares.......................... 2
Telêmaco Borba......................... 7
Terra Boa................................... 4
Terra Rica.................................. 1
Terra Roxa................................. 1
Tibagi......................................... 7
Livros Grátis
( http://www.livrosgratis.com.br )
Milhares de Livros para Download:
Baixar livros de Administração
Baixar livros de Agronomia
Baixar livros de Arquitetura
Baixar livros de Artes
Baixar livros de Astronomia
Baixar livros de Biologia Geral
Baixar livros de Ciência da Computação
Baixar livros de Ciência da Informação
Baixar livros de Ciência Política
Baixar livros de Ciências da Saúde
Baixar livros de Comunicação
Baixar livros do Conselho Nacional de Educação - CNE
Baixar livros de Defesa civil
Baixar livros de Direito
Baixar livros de Direitos humanos
Baixar livros de Economia
Baixar livros de Economia Doméstica
Baixar livros de Educação
Baixar livros de Educação - Trânsito
Baixar livros de Educação Física
Baixar livros de Engenharia Aeroespacial
Baixar livros de Farmácia
Baixar livros de Filosofia
Baixar livros de Física
Baixar livros de Geociências
Baixar livros de Geografia
Baixar livros de História
Baixar livros de Línguas
Baixar livros de Literatura
Baixar livros de Literatura de Cordel
Baixar livros de Literatura Infantil
Baixar livros de Matemática
Baixar livros de Medicina
Baixar livros de Medicina Veterinária
Baixar livros de Meio Ambiente
Baixar livros de Meteorologia
Baixar Monografias e TCC
Baixar livros Multidisciplinar
Baixar livros de Música
Baixar livros de Psicologia
Baixar livros de Química
Baixar livros de Saúde Coletiva
Baixar livros de Serviço Social
Baixar livros de Sociologia
Baixar livros de Teologia
Baixar livros de Trabalho
Baixar livros de Turismo
